深度学习在推荐系统中的应用
推荐系统概述
什么是推荐系统
分析用户的喜好,为用户推荐物品/人,或为用户提供选项。
评分预测(rating prediction)
评分,即用户对物品的喜欢程度,一般可以分为“喜欢”,“不喜欢”排名预测(ranking prediction)或Top-N推荐
预测备选“物品”的排名,并取出Top-N的推荐物品。分类(Classification):
对备选物品分类
难点
数据稀疏性
冷启动问题
推荐质量评价问题
- 预测准确度
- 覆盖率
- 置 信度
- 信任度
- 新颖度
- 惊喜度
- 多样性
- 效用
方法
深度学习在推荐系统中的应用
基于MLP
基于RNN
基于CNN
基于GAN(Generative Adversarial Network)的推荐系统
相似用户推荐
描述: 根据人们本身的特征和人们在社交网络(如微博)中的行为,判断哪些人具有一定的相似性。
youtube:
相似用户推荐-数据描述
相似用户推荐-网络结构特征表示
相似用户推荐-特征描述
相似用户推荐-解决方案
相似用户推荐-结果
相似用户推荐-特征描述