推荐系统遇上深度学习(三)--DeepFM模型理论和实践
1、背景 特征组合的挑战 对于一个基于CTR预估的推荐系统，最重要的是学习到用户点击行为背后隐含的特征组合。在不同的推荐场景中，低阶组合特征或者高阶组合特征可能都会对最终的CTR产生影响。 之前介绍的因子分解机(Factorization Machines, FM)通过对于每一维特征的隐变量内积来提...
中国人工智能学会通讯——深度学习与推荐系统 3 总结与展望
3 总结与展望 本文中简要介绍了推荐系统的核心技术，以及关于深度学习在推荐系统上的最新进展。可以看到，目前深度模型在推荐系统上的应用还处于比较初级的阶段[28]，尤其是技术上的发展较慢于计算机视觉和自然语言处理领域。关于未来工作有如下三点展望。 （1）在线学习与增量学习。在实际产品中，用户数据实时到...
中国人工智能学会通讯——深度学习与推荐系统 2.2 深度交互函数学习 (Learning Interaction Function with Deep Learning)
2.2 深度交互函数学习 (Learning Interaction Function with Deep Learning) 作为早期使用神经网络进行评分建模的代表性工作，文献[42]使用限制玻尔兹曼机（RBM）学习交互函数，但该方法的近似优化算法较为费时[28]，且不易扩展到有辅助信息的情况。近...
中国人工智能学会通讯——深度学习与推荐系统 2.1 深度特征抽取(Extracting Side Features with Deep Learning)
2.1 深度特征抽取(Extracting Side Features with Deep Learning) 图4总结了一系列工作使用深度学习进行特征抽取，并用于协同过滤的基本框架。介于深度学习技术抽取出的特征通常是相对较短、稠密的向量（也称为嵌入式表示，embedding），可以和基于隐向量的矩...
中国人工智能学会通讯——深度学习与推荐系统 2 深度学习在推荐系统的应用
2 深度学习在推荐系统的应用 深度学习指代多层级的人工神经网络，近年来在语音识别、计算机视觉和自然语言处理等领域取得了巨大成功[32]。根据深度学习技术在推荐系统中的应用方式，将相关工作大体分为两类：①作为一种基于数据的表征学习的方法，深度学习技术可以从语义较为丰富的输入数据（如语音、图片、文本等）...
中国人工智能学会通讯——深度学习与推荐系统 1.2 基于特征的推荐 (Feature-based Recommendation)
1.2 基于特征的推荐 (Feature-based Recommendation) 协同过滤只考虑用户与物品的交互历史，本质上是用ID表示一个用户或物品。基于特征的推荐方法旨在融合各种其他辅助信息，以提高推荐的准确度。该类算法将用户(ID及其属性)、物品(ID及其属性)和上下文信息统一表示为特性向...
中国人工智能学会通讯——深度学习与推荐系统 1.1 协同过滤 (Collaborative Filtering)
1.1 协同过滤 (Collaborative Filtering) 简单来说，协同过滤是指在预测一个用户对物品的喜好程度时，不仅仅依赖于该用户的历史记录，同时也要考虑其他用户的历史记录。其基本假设是兴趣相投、拥有共同经验的群体未来会喜欢相似的物品。协同过滤建模主要使用用户对物品的历史交互数据，也称...
中国人工智能学会通讯——深度学习与推荐系统 1 推荐技术简介
在当今信息爆炸时代，个性化推荐系统是面向用户的互联网产品的核心技术，可以帮助用户获取所需要的信息，改善信息超载的问题。推荐系统的技术核心是对用户历史、物品属性和上下文等信息进行建模，以推断出用户兴趣，并向用户推荐感兴趣的物品。在信息大数据时代，要有效地利用海量用户历史信息和物品信息，机器学习技术必不...
如何用深度学习推荐电影？教你做自己的推荐系统！
简介 几乎所有人都喜欢与家人、朋友一起观看电影度过闲暇时光。大家可能都有过这样的体验：本想在接下来的两个小时里看一个电影，却坐在沙发上坐了20分钟不知道看什么，选择困难症又犯了，结果好心情也变得沮丧。所以，我们很需要一个电脑代理，在做挑选电影的时候提供推荐。 现在，电影智能推荐系统已经成为日常生活中...
推荐系统主要算法总结及Youtube深度学习推荐算法实例概括
协同过滤 协同过滤（CF）及其变式是最常用的推荐算法之一。即使是数据科学的初学者，也能凭之建立起自己的个性化电影推荐系统，例如，一个简历项目。 当我们想要向某个用户推荐某物时，最合乎情理的事情就是找到与他/她具有相同爱好的用户，分析其行为，并且为之推荐相同的东西。或者我们可以关注那些与该用户之前购买...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子
最佳实践
