深度学习+推荐--近期论文总结

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：

1. 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࿰