本文总结了自动机器学习用于生成深度推荐系统模型的方法。作者概述了自动机器学习和相关技术,讨论了自动化特征选择、嵌入、交互和训练模型的最新方法,指出已有的基于自动机器学习的推荐系统正向着具有抽象搜索空间和高效搜索算法的多组件联合搜索方向发展,并略述了吸引人的未来研究方向。
Apr, 2022
本文主要介绍了基于机器学习的推荐系统,分析了在推荐系统中机器学习所应用的技术和思想,让更多人了解大数据与机器学习的含义和对我们日常生活的深远影响。
Aug, 2022
本文综述了个性化推荐及推荐系统的经典算法,评估方式,以及最近研究的方向:基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。
Feb, 2023
本文综述了混合推荐系统的新模型与架构,并识别了每种模型的优缺点及其具体应用场景。
May, 2022
本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展,并通过分析最近的研究,提供了当前发展的详细概述,识别了推荐系统中的现有困难,为实践者和研究人员提供了必要的指导和见解。
这篇技术综述全面总结了推荐系统领域的最新进展,提供了该领域现状的概述并强调了推荐系统发展的最新趋势,涵盖了个性化、群组、基于知识的推荐系统等主要分类,探讨了推荐系统中的鲁棒性、数据偏见和公平性问题,并总结了评估指标用于评估这些系统的性能,最后还深入分析了推荐系统的最新趋势和未来研究的新方向。
Jun, 2023
本文对基于强化学习的推荐系统进行了综述,提出了一个 RLRS 框架,包括状态表示,策略优化,奖励制定和环境构建,并针对 RLRS 算法进行了调查,强调出现的主题并展示了各种图表。
Jan, 2021
本研究综述了基于图神经网络的推荐系统在最近的研究工作中的应用。针对不同类型的信息和推荐任务,我们提供了 GNN-based 推荐模型的分类。 进一步分析了 GNN 在不同类型数据上应用时面临的挑战,并讨论了现有工作如何解决这些挑战。我们总结了相关的论文及其开源实现。
Nov, 2020
本文概述了基于深度强化学习的信息搜索、推荐和在线广告的方法和应用,回顾了代表性算法,讨论了一些有吸引力的研究方向。
Dec, 2018
本文介绍了新闻推荐系统领域面临的挑战及其最新解决方案,其中包括传统模型和基于深度学习的模型。在探讨用户行为对于推荐效果的影响以及可能的解决方案时,为研究者和业界提供了最前沿的知识。
Sep, 2020