推薦系統(tǒng)綜述論文精讀
原文鏈接: https://arxiv.org/pdf/2104.13030.pdf
推薦系統(tǒng)的研究主要從上世紀(jì)九十年代開始，開發(fā)了許多基于內(nèi)容和協(xié)同過濾的方法。在Netflix比賽之后，矩陣分解的方法成為了2008年到2016年間的主流模型。然而受限于因子分解模型天然的線性性質(zhì)，其在處理大規(guī)模以及復(fù)雜數(shù)據(jù)上的性能表現(xiàn)有所欠缺，比如復(fù)雜的用戶交互、物品側(cè)可能包含復(fù)雜的語義信息等。2010年左右深度學(xué)習(xí)技術(shù)開始在計(jì)算機(jī)視覺、自然語言處理、語音識別等領(lǐng)域產(chǎn)生了革命性的影響，其也為推薦系統(tǒng)的研究與實(shí)踐打開了新的思路。這篇綜述總結(jié)了近年來深度學(xué)習(xí)相關(guān)的推薦系統(tǒng)研究內(nèi)容，根據(jù)使用數(shù)據(jù)的不同，作者將推薦系統(tǒng)劃的模型進(jìn)行了劃分。
更詳細(xì)的文字版說明請點(diǎn)擊 閱讀原文。
參考文獻(xiàn):
[1]: Wu, Le, et al. "A Survey on Accuracy-oriented Neural Recommendation: From Collaborative Filtering to Information-rich Recommendation." IEEE Transactions on Knowledge and Data Engineering (2022).
[2]: A Survey on Neural Recommendationcan思維導(dǎo)圖
[3]: 推薦領(lǐng)域，你推薦哪些綜述性的文章？- 震靈的回答 - 知乎
往期精彩回顧