【论文标题】A review on deep learning for recommender systems: challenges and remedies  (Artificial Intelligence Review,201906)

【论文作者】Zeynep Batmaz 1 · Ali Yurekli 1 · Alper Bilge 1 · Cihan Kaleli 1

【论文链接】Paper(37-pages // Single column)

=======================<札记非FY> (以下着重 mark 关于CNN的推荐系统!)=========================

4  Perspectival synopsis of deep learning within recommender systems
4.1 推荐系统的深度学习技术
4.1.1 推荐系统的限制玻尔兹曼机
4.1.2 推荐系统的深度信念网络
4.1.3 推荐系统的自动编码器
4.1.4 推荐系统的循环神经网络
4.1.5 推荐系统的卷积神经网络
CNN使用至少一个层的卷积,这类神经网络用于特定的任务,如图像识别和对象分类。 推荐系统也受益于CNNs。
 
1)Oordet al.(2013)利用CNNs从音频数据中提取无法从用户反馈中获得的隐含因子。
2)Shenet al.(2016)利用CNNs从文本数据中提取隐含因子。
3)Zhou等(2016)提取视觉特征,目的是生成用户的视觉兴趣档案,以供推荐。
4)Lei等(2016)利用CNNs提取图像的隐含特征,目的是将特征和用户偏好映射到相同的隐含空间。
5)使用CNNs提取的文本信息的语义意义也被用于推荐系统,特别是上下文感知的推荐系统,以提供更有资格的推荐(Wu等人)。
 
因此,CNNs主要用于从数据中提取潜在因素和特征,尤其是从图像和文本中提取,以用于推荐。
 
 
4.1.6 其他技术
 
4.2  对推荐系统的挑战的补救措施
4.2.1 提高精度的解决方案
4.2.2 稀疏性和冷启动问题的解决方案
1)Oord等(2013)利用CNN从音乐音频信号中提取高级特征,处理基于cf的方法中的冷启动问题。
 
2)Shin etal.(2015)也利用边信息处理稀疏性和冷启动问题进行博客推荐。他们将从文本和图像中提取的特征分别与word2vec和CNNs集成到他们提出的增强归纳矩阵补全方法中。
 
3) Shen等(2016)将CNNs提取的隐含因子整合到矩阵因子分解中,利用隐含因子模型处理稀疏性问题。
ShenX,YiB,ZhangZ,ShuJ,LiuH(2016)
Automatic recommendation technology for learning resources with convolutional neural network. 
In:Proceedings of the international symposium on educational technology, Beijing, China, pp 30–34
——是关于书籍推荐领域的, 提出一种在电子学习环境中为学生提供个性化书籍推荐的方法。
 
4) Kim等人(2017)利用CNN从图像中提取特征,旨在缓解标签感知推荐系统中标签的不足。
Kim D, Park C, Oh J, Yu H (2017) Deep hybrid recommender systems via exploiting document context and statistics of items. Inf Sci 417:72–87. https://doi.org/10.1016/j.ins.2017.06.026
 
5)Ebesu和Fang(2017)提出利用深度神经网络从用户的隐式反馈和项目的文本内容信息中学习项目表示。
 
6)Tuan和Phuong(2017)利用3D-CNNs对基于会话的推荐系统中项目的内容信息进行整合,解决稀疏性问题。
 
 
4.2.3 可伸缩性问题的解决方案
 
 
4.3  对推荐领域的认识和普及

4.4  专业的推荐系统和深度学习
4.4.1 动态推荐系统
(几乎无涉及CNN)
4.4.2 上下文感知推荐系统
(各种CNN)
1)Kim等人(2017)提出利用CNNs从项目的文本描述中获取上下文信息。
Kim D, Park C, Oh J, Yu H (2017) Deep hybrid recommender systems via exploiting document context and statistics of items. Inf Sci 417:72–87. https://doi.org/10.1016/j.ins.2017.06.026
2)
 
4.4.3 Tag-aware recommender systems 标签感知推荐系统
 
6  见解和讨论
 
(4)CNNs和dbns主要用于文本、音频和图像输入的特征工程。所提取的特征可以用于基于内容的过滤技术,也可以作为CF中的边信息。
 
 

【RS】A review on deep learning for recommender systems: challenges and remedies- 推荐系统深度学习研究综述:挑战和补救措施的更多相关文章

  1. 【RS】Wide & Deep Learning for Recommender Systems - 广泛和深度学习的推荐系统

    [论文标题]Wide & Deep Learning for Recommender Systems (DLRS'16) [论文作者] Heng-Tze Cheng, Levent Koc, ...

  2. Wide & Deep Learning for Recommender Systems

    Wide & Deep Learning for Recommender Systems

  3. Deep learning:四十(龙星计划2013深度学习课程小总结)

    头脑一热,坐几十个小时的硬座北上去天津大学去听了门4天的深度学习课程,课程预先的计划内容见:http://cs.tju.edu.cn/web/courseIntro.html.上课老师为微软研究院的大 ...

  4. [转]-[携程]-A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems

    原文链接:推荐系统中基于深度学习的混合协同过滤模型 近些年,深度学习在语音识别.图像处理.自然语言处理等领域都取得了很大的突破与成就.相对来说,深度学习在推荐系统领域的研究与应用还处于早期阶段. 携程 ...

  5. 【RS】Deep Learning based Recommender System: A Survey and New Perspectives - 基于深度学习的推荐系统:调查与新视角

    [论文标题]Deep Learning based Recommender System: A Survey and New Perspectives ( ACM Computing Surveys  ...

  6. 论文笔记:A Review on Deep Learning Techniques Applied to Semantic Segmentation

    A Review on Deep Learning Techniques Applied to Semantic Segmentation 2018-02-22  10:38:12   1. Intr ...

  7. Deep Learning论文笔记之(一)K-means特征学习

    Deep Learning论文笔记之(一)K-means特征学习 zouxy09@qq.com http://blog.csdn.net/zouxy09          自己平时看了一些论文,但老感 ...

  8. 《A Survey on Transfer Learning》迁移学习研究综述 翻译

    迁移学习研究综述 Sinno Jialin Pan and Qiang Yang,Fellow, IEEE 摘要:   在许多机器学习和数据挖掘算法中,一个重要的假设就是目前的训练数据和将来的训练数据 ...

  9. 论文笔记: Deep Learning based Recommender System: A Survey and New Perspectives

    (聊两句,突然记起来以前一个学长说的看论文要能够把论文的亮点挖掘出来,合理的进行概括23333) 传统的推荐系统方法获取的user-item关系并不能获取其中非线性以及非平凡的信息,获取非线性以及非平 ...

随机推荐

  1. C#工具类SqlServerHelper,基于System.Data.SqlClient封装

    源码: using System; using System.Collections.Generic; using System.Data; using System.Linq; using Syst ...

  2. Asp.Net中Global报错,关键字也不变色问题

    原因是我把Global名字改了,使用默认名字就好了

  3. OWIN详细介绍

    1.OWIN.dll介绍 用反编译工具打开Owin.dll,你会发现类库中就只有一个IAppBuilder接口,所以说OWIN是针对.NET平台的开放Web接口. public interface I ...

  4. ASP.NET MVC过滤器学习笔记

    1.过滤器的两个特征 1.他是一种特性,可以引用到控制器类和Action方法上.比如下图 这里控制器类和action方法都引用了过滤器,这个过滤器是用来做授权的 2.特征继承自FilterAttrib ...

  5. Appium基于PO模型的自动化测试(Python)

    基于python单元测试框架unittest完成appium自动化测试,生成基于html可视化测试报告 代码示例: #利用unittest并生成测试报告 class Appium_test(unitt ...

  6. AES加解密异常java.security.InvalidKeyException: Illegal key size

    AES加解密异常 Java后台AES解密,抛出异常如下:java.security.InvalidKeyException: Illegal key size Illegal key size or ...

  7. 操作系统原理之I/O设备管理(第六章上半部分)

    一.I/O系统的组成 I/O系统不仅包括各种I/O设备,还包括与设备相连的设备控制器,有些系统还配备了专⻔⽤ 于输⼊/输出控制的专⽤计算机,即通道.此外,I/O系统要通过总线与CPU.内存相连. I/ ...

  8. unlink remove

    int unlink(const char *pathname); 删除一个文件的目录项并减少它的链接数 unlink()会删除参数pathname指定的文件.如果该文件名为最后连接点,但有其他进程打 ...

  9. 图解Java数据结构之双向链表

    上一篇文章说到了单链表,也通过案例具体实现了一下,但是单链表的缺点也显而易见. 单向链表查找的方向只能是一个方向 单向链表不能自我删除,需要靠辅助节点 而双向链表则能够很轻松地实现上面的功能. 何为双 ...

  10. Java中关于数据类型的一些问题

    Java中关于数据类型的一些问题 总结一下最近笔试遇到的一些关于Java中数据类型的一些问题. 虽然比较基础,但在实际做题却很容易出错的点,而且往往这些题出错了会给面试官很不好的感觉:你的基础不好. ...