中國人工智能學會通訊——深度學習與推薦系統 2 深度學習在推薦系統的應用

深度學習指代多層級的人工神經網絡，近年來在語音識别、計算機視覺和自然語言處理等領域取得了巨大成功[32]。根據深度學習技術在推薦系統中的應用方式，将相關工作大體分為兩類：①作為一種基于資料的表征學習的方法，深度學習技術可以從語義較為豐富的輸入資料（如語音、圖檔、文本等）中抽取出有效的特征表示，以友善下遊應用，如檢索和推薦等[11,14,17,33-40 ]；②作為一種通用的資料模組化方法，深度學習對資料進行多層非線性變換，可以拟合出較為複雜的預測函數。推薦系統中的核心算法是協同過濾，其目标從機器學習的角度可以看成拟合使用者和物品之間的互動函數（user-item interaction function），是以近期一系列的工作也将深度學習技術應用于學習協同過濾的互動函數上[6,12,20,23,27,41-44]。本章主要探讨以上兩類基于深度學習的推薦系統預測模型。模型的優化目标函數和已有推薦系統工作基本一緻（見1.1節）。