论文阅读（3篇）：
1. Collaborative Deep Learning for Recommender Systems. Hao Wang Joint work with Naiyan Wang, Xingjian Shi, and Dit-Yan Yeung.香港科技大学.
文章作者提出了将深度学习和协同过滤相结合的推荐系统模型，协同深度学习模型（CDL），也是利用深度学习学习表征并用于推荐系统的早期研究之一。
2. A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems .Xin Dong, Lei Yu, Zhonghuo Wu, Yuxia Sun, Lingfeng Yuan, Fangxi Zhang Ctrip Travel Network Technology (Shanghai) Co., Limited. Shanghai, P.R.China.
这篇文章是携程旅行开发的推荐系统，是在第一篇论文等的研究基础上对深度学习模型作出改进，在特征学习过程中增加评分信息，有效降低损失函数误差，提高推荐的精确度。
3. Deep mining heterogeneous networks of biomedical linked data to predict novel drug–target associations. Nansu Zong, Hyeoneui Kim , Victoria Ngo and Olivier Harismendy.
这篇论文主要工作是通过学习药物-药物，靶点-靶点相似性来预测药物-靶点的关联性质，文章在关联预测方法和数据验证、模型评价过程中做了大量实验，并且针对性的对相关模型参数进行对比，实验思路很清晰，在以后的实验中可以学习借鉴本文的思路。