近几年,特别是这两年用深度学习来做推荐越来越火,不论是在工业界还是在学术界,甚至推荐系统的顶会RecSys上16年开始设了dl for rs的workshop。
一。推荐任务分三类:
- 评分预测类任务(近几年热度:2),
- 排序预测类任务(top N 推荐,近几年热度:3)
- 分类任务(热度:1)。
推荐系统算法方面分三类:
- 协同过滤(CF),
- 基于内容的推荐(CB)
- 混合推荐。
二。目前的推荐算法中用到的8类深度学习模型:
- MLP(理论上可以拟合各种函数,可以非常容易的model用户和项目间的非线性关系),
- AE及其变体(非监督,超强的特征学习能力),
- CNN(可捕捉local和global的特征,提高推荐的准确率),
- RNN(LSTM,GRU等,时序序列:音乐、新闻等推荐),
- 其他:DSSM,NADE和GAN(后三种目前比较少用)
三。基于深度学习的推荐算法分类:
- 从采用的深度学习(DL)技术方面来看可以分为两大类:
- 一个是用了单一的DL技术的推荐算法(也就是说大致可以分为上面提到的8类,每一类的优缺点取决于你用的哪一种DL技术