推荐系统综述论文精读
原文链接: https://arxiv.org/pdf/2104.13030.pdf
推荐系统的研究主要从上世纪九十年代开始，开发了许多基于内容和协同过滤的方法。在Netflix比赛之后，矩阵分解的方法成为了2008年到2016年间的主流模型。然而受限于因子分解模型天然的线性性质，其在处理大规模以及复杂数据上的性能表现有所欠缺，比如复杂的用户交互、物品侧可能包含复杂的语义信息等。2010年左右深度学习技术开始在计算机视觉、自然语言处理、语音识别等领域产生了革命性的影响，其也为推荐系统的研究与实践打开了新的思路。这篇综述总结了近年来深度学习相关的推荐系统研究内容，根据使用数据的不同，作者将推荐系统划的模型进行了划分。
更详细的文字版说明请点击 阅读原文。
参考文献:
[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思维导图
[3]: 推荐领域，你推荐哪些综述性的文章？- 震灵的回答 - 知乎
往期精彩回顾
适合初学者入门人工智能的路线及资料下载 (图文+视频)机器学习入门系列下载 中国大学慕课《机器学习》（黄海广主讲） 机器学习及深度学习笔记等资料打印 《统计学习方法》的代码复现专辑 机器学习交流qq群955171419，加入微信群请扫码
评论