嘿,记得给“机器学习与推荐算法”添加星标
近年来,基于深度神经网络的推荐系统作为信息过滤技术取得了巨大成功。然而,由于完全从零开始训练模型需要足够的数据,因此基于深度学习的推荐方法仍然面临着数据不足和计算效率低下的瓶颈。
论文:https://arxiv.org/abs/2206.04415
具体地,本文提出了一个分类方法,根据推荐场景、元学习技术和元知识表示法来讨论现有的方法,以此来为基于元学习的推荐方法提供充足的设计空间。另外,对于每个推荐场景,其进一步讨论了关于现有方法如何应用元学习来提高推荐模型的泛化能力的技术细节。最后,本文还指出了当前研究的几个局限性,并强调了该领域未来研究的一些潜力方向。
![b8c05e450da25587ff0d46ff6bf92bc2.png](https://img-blog.csdnimg.cn/img_convert/b8c05e450da25587ff0d46ff6bf92bc2.png)
在本文中,根据三个独立的角度来进行了分类&