レコメンドとは, サービスを利用する個々のユーザに対し, 最適なアイテム（商品など）を推薦する手法の総称である. その代表的な手法としてMatrix Factorizationなどがあげられるが, 近年では深層学習を用いた手法が注目されている. しかし, 深層学習を用いた先行研究の多くは特徴量の次元が非常に大きいこと, データ構造に依存した複雑な前処理が必要であることなどから, 一般の実データへの応用は難しいと考えられる. そこで本研究では, 深層学習を用いた汎用的なレコメンド手法を検討した. Matrix Factorizationを深層学習モデルとして拡張した先行研究を元に, ユーザ・アイテムの特徴量が入力可能となるようモデルを拡張し, 実データを用いて精度を比較した.