一文综述所有用于推荐系统的深度学习方法

在重要信息泛滥成灾的时代，如何快速高效率地纯化出有用重要信息正式成为人们的首要任务，现代的所推荐控制系统由此不断涌现;而在众多领域辛勤耕耘的广度自学也被应用作所推荐控制系统，为后者转化成捷伊动力。机器之心校对的这篇学术论文，对广度自学在所推荐控制系统中的应用现况作了概要性考察，以求进一步促进所推荐控制系统科学研究的重大进展;对于辨认出的新难题，该文也得出了潜在性的软件系统。

书名镜像：http://arxiv.org/pdf/1707.07435.pdf

全文：随着圣戈当斯区重要信息的规模、维数和塞里西的不断增长，所推荐控制系统早已正式成为了一类能有效化解这种重要信息网络连接难题的决定性软件系统。近些年，广度自学的颠覆性不断进步在音频辨识、影像预测和语义处置方面都受到了广泛关注。在此之后，上周的一些科学研究也说明了广度自学在处置重要自动提取和所推荐任务中的科学性。由于其***的操控性表现和高效率率的所推荐结果，将广度自学应用作所推荐控制系统早已获得了动力。与现代所推荐数学模型相比，广度自学能更快的理解使用者需求、项目特征及其之间的举世瞩目交互。

责任编辑意在为上周促进所推荐控制系统科学研究的如前所述广度自学的所推荐方式提供一份概要该文。同时提出一类如前所述广度自学所推荐数学模型的展开分类管理体系(taxonomy)，用作对那些被调查的该文展开展开分类。在预测简述相关组织工作丰硕成果的基础上我们辨认出了尚需化解的难题，潜在性的软件系统也将被探讨。

三维展开分类方式与定量预测：

图 1：如前所述广度自学的所推荐控制系统展开分类的三维管理体系，右侧部份对数学模型数学模型展开了说明，右侧部份则说明了资源整合数学模型。

图 2：(a)采用的数据集;(b)采用的点评指标;(c)最有声望的组织工作。

表 2：年引用次数超过 10 次的***声望学术论文。

应用领域：

表 3：特定应用领域的所推荐数学模型。

1. 如前所述多层感知机(Multilayers Perception)的所推荐控制系统

多层感知机是简明且有效的数学模型。它广泛应用作很多领域，尤其是工业界。多层前馈网络能够让任意的可测函数接近任意的期望精度。它也是很多高级数学模型的基础。

图 3：(a)神经协同过滤;(b)CCCFNet;(c)宽度&广度自学;(d)DeepFM。

2. 如前所述自编码器(Autoencoders)的所推荐控制系统

将自编码器应用作所推荐控制系统一般有两种常用方式：(1)采用自编码器在瓶颈层(bottleneck layer)来自学低维度特征表征;或者(2)直接在重构层填充评分矩阵的空白处。

图 4：(a)I-AutoRec;(b)CFN;(c)ACF;(d)CDAE。

表 4：5 个如前所述自编码器的所推荐数学模型之间的对比。

图 5：(a)协同广度自学(左)与协同广度排序(右)的图数学模型;(b)广度协同过滤框架。

3. 如前所述卷积数学模型(CNN)的所推荐控制系统

此种控制系统中的卷积数学模型大多是用作特征提取( feature extraction)的。

图 6：(a)如前所述 Attention 的 CNN;(b)个性化 CNN 标签所推荐;(c)DeepCoNN;(d)ConvMF。

4. 如前所述循环数学模型(RNN)的所推荐控制系统

循环数学模型特别适用作处置所推荐控制系统中的评级和序列特征的时序动态。

图 7

图 7：(a)借助 RNN 的 Session 所推荐;(b)借助 RNN 的完善的 Session 所推荐;(c)循环所推荐网络;(d)用作标签所推荐的如前所述 Attention 的 RNN。

5. 如前所述广度语义相似性数学模型(Deep Semantic Similarity Model)的所推荐控制系统

广度语义相似性数学模型(DSSM)是一类广泛应用作重要自动提取领域的广度数学模型。它非常适用作排行榜(top-n)所推荐。基础型 DSSM 由 MLP 组成，更高级的神经层比如卷积层和***池化(max-pooling )层能被很容易地添加进去。

图 8：(a)如前所述广度语义相似性的个性化所推荐;(b)多视角广度数学模型。

6. 如前所述受限玻尔兹曼机(Restricted Boltzmann machine)的所推荐控制系统

图 9

图 9：(a)RBM-CF;(b)带有隐式反馈的条件性 RBM-CF;(c)如前所述使用者和如前所述项目的 RBM-CF 的组合;(d)混合 RBM-CF。

7. 新兴方式：NADE 和 GAN

NADE 提出了一类易于处置的方式，以对源数据的真实分布展开近似计算，并且能在几个试验性数据集中产生最***的所推荐精度(与其它如前所述广度自学的所推荐数学模型相比)。生成对抗网络(GAN)能够将判别数学模型和生成数学模型相融合，并且充分利用二者的优点。

图 10：(a)如前所述神经自回归的所推荐控制系统;(b)IRGAN。

8. 用作所推荐控制系统的广度复合网络(Deep composite models)

图 11：现有的广度复合数学模型。

图 12

图 12：(a)CNN 和 RNN 的引用所推荐;(b)比较性广度自学数学模型;(c)NRT;(d)带有 CNN 的广度语义相似性数学模型(DSSM)

【责任编辑是51CTO专栏机构机器之心的原创该文，微信公众号机器之心( id: almosthuman2014)】

戳这里，看该作者更多好文