(论文阅读笔记)Deep Learning based Recommender System: A Survey and New Perspectives
为了交英语作业机翻了这篇论文的一些部分 ,由于时间有限,感兴趣的内容有时间再翻 1引言: 推荐系统出现的背景:在这个信息爆炸的时代,许多用户都要面临信息过载的负担,推荐系统可以为用户过滤掉大部分用户不感兴趣的内容,帮助用户高效的找到感兴趣的东西。推荐系统在许多领域都已经成功应用,例如娱乐、购物、媒体等信息量冗余的领域。推荐系统在各个领域扮演者至关重要和必不可少的角色来提升业务和更方便的制定业务决策[69,121]。 推荐列表的生成方式:通常来说,推荐结果是由用户偏好、物品特征、用户-物品过去的交互信息和一些其它附加信息例如时间和空间特征。根据输入数据的区别推荐模型大致可以分为三类:协同过滤,基于内容的推荐系统和混合推荐系统[1]。 深度学习的介绍: 深度学习目前在飞速发展,过去几十年深度学习在计算视觉和语音识别等众多领域取得了巨大成功,由于深度学习能够在复杂任务中取得先进的结果,学术界和工业界已经将深度学习应用到各个广泛的领域[27]。 深度学习在推荐系统中的应用和发展 :在工业界,推荐系统是很重要的,在很多在线网站和移动应用上可以极大的提升用户体验并且提高产品或服务的销量[20, 27, 30, 43, 113],例如在NetFlix上80%的电影点播来自于推荐系统[43],在YouTube上60%的视频点击来自于推荐系统[30]。最近