何向南

概述

推荐系统研究者，新加坡国立大学博士，Neural Collaborative Filtering（NCF）第一作者，后续提出 Neural Graph Collaborative Filtering（NGCF）和 LightGCN 等图协同过滤经典方法。

关键内容

1. Neural Collaborative Filtering（NCF，WWW 2017）：第一作者，与 Lizi Liao、Hanwang Zhang、Liqiang Nie、Xia Hu、Tat-Seng Chua 合作。提出用神经网络替代矩阵分解内积操作的通用框架，包含 GMF、MLP、NeuMF 三个模型变体。论文截至2026年引用超10000次，是推荐系统领域引用最高的论文之一。开源代码：github.com/hexiangnan/neural_collaborative_filtering。
2. NeuMF 融合设计：在 NCF 中提出 GMF（广义矩阵分解）与 MLP（多层感知机）双塔融合架构，两者使用独立嵌入空间，在高层拼接输出。体现了"线性与非线性各有所长，融合比替代更好"的工程直觉。
3. 后续工作：NCF 之后，何向南继续推进协同过滤的深度学习方向，提出 Neural Graph Collaborative Filtering（NGCF, 2019），将图神经网络引入协同过滤，在用户-物品二部图上进行消息传递。其后续工作 LightGCN（2020）简化了 NGCF，去除不必要的非线性变换，成为图协同过滤的经典方法。
4. 学术争议：NCF 论文成为推荐系统领域可复现性危机的典型案例。Ferrari Dacrema 等人（2019）和Steffen Rendle等人（2020）对 NCF 的实验方法论提出质疑，包括基线未充分调优、测试集泄露等问题。

来源

• 10-ncf.md — Neural Collaborative Filtering 论文详细解读
• 04-matrix-factorization-for-recsys.md — Matrix Factorization 深度解读

相关

• Neural Collaborative Filtering — 第一作者的里程碑论文
• Tat-Seng Chua — NCF 通讯作者，合作者
• 矩阵分解 — NCF 扩展的传统方法
• Steffen Rendle — 对 NCF 提出质疑的研究者