基于深度学习的多角度综合推荐模型

被引:2
作者
陈明毅
邱卫东
机构
[1] 上海交通大学
关键词
推荐系统; 协同过滤; 深度学习; 卷积神经网络;
D O I
暂无
中图分类号
TP18 [人工智能理论]; TP391.3 [检索机];
学科分类号
080201 [机械制造及其自动化]; 140502 [人工智能];
摘要
在传统的推荐领域中,因受限于用户和物品交互的稀疏性,人们常用的推荐算法例如协同过滤往往面临着性能不佳和准确性不理想等问题。随着互联网的兴起,数据量呈现出爆发式增长,深度学习技术得到了很好的发展。作为解决这些问题的一种新思路,与深度学习结合的推荐方法开始进入我们的视野。我们对如何使用深度学习的方法对各种辅助信息进行处理来优化推荐系统进行了重点研究。
引用
收藏
页码:32 / 37
页数:6
相关论文
共 3 条
[1]
基于深度学习的推荐系统研究综述 [J].
黄立威 ;
江碧涛 ;
吕守业 ;
刘艳博 ;
李德毅 .
计算机学报, 2018, 41 (07) :1619-1647
[2]
Learning Entity and Relation Embeddings for Knowledge Resolution.[J].Hailun Lin;Yong Liu;Weiping Wang;Yinliang Yue;Zheng Lin.Procedia Computer Science.2017,
[3]
Factorization Machines with libFM [J].
Rendle, Steffen .
ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2012, 3 (03)