基于深度学习的内容推荐算法研究综述

摘要：

推荐系统是学习用户偏好,实现个性化推荐的系统化应用技术,在商品购买、影音推荐、关联阅读等多领域得到了广泛的应用.近年来,随着多源异构数据的激增和深度学习的兴起,传统推荐算法中的表征学习模式逐步被深度学习代替.梳理推荐算法的背景和发展趋势,并给出内容推荐的算法思路及其优劣评价,分别介绍多层感知机、自动编码器、卷积神经网络以及循环神经网络等深度学习方法的网络结构和算法优势.从技术应用的视角综述深度学习在内容推荐中的应用现状与研究成果,对不同经典深度推荐算法进行分析与比较.在此基础上,指出深度学习在可解释性、学习效率等方面的不足,并对交叉领域学习、多任务学习、表征学习等未来研究方向进行展望.

关键词：推荐系统;表征学习;内容推荐;深度学习;多源异构

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家社会科学基金重大项目"面向国家公共安全的互联网信息行为及治理研究";上海哲学社会科学规划课题"互联网金融欺诈识别与风险防范"

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12