《深度学习推荐系统》阅读笔记 2.前深度学习时代—推荐系统的进化之路-(1)协同过滤—基于邻域的方法
第二章—前深度学习时代—推荐系统的进化之路-(1)协同过滤—基于邻域的方法
为什么还要学习传统推荐系统方法
尽管当今推荐系统、计算广告和其他工业互联网领域中深度学习已经成为了主流方法,但了解传统推荐系统方法依然是必要的,理由有二:
即使深度学习流行的今日,像协同过滤、逻辑回归、因子分解机等方法依然凭借可解释性强、环境要求低、易于快速训练和部署简单等优势,活跃在大量应用场景中。依然有许多领域把LR当作基线不断去迭代。
传统推荐模型是深度学习模型的基础。比如,神经网络的基本单元是神经元,应用广泛的LR是神经元
原创
2020-06-14 20:17:10 ·
869 阅读 ·
0 评论