上交最新深度元学习推荐算法综述

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。

c5fdb6b167c326974df15e3d46f2a558.png

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

在本文中,根据三个独立的角度来进行了分类&

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值