WWW21最新「深度学习推荐系统」教程,230页PPT阐述深度强化学习、自动机器学习和GNN在推荐系统应用进展

2021 年 4 月 26 日 专知



推荐系统在我们的日常生活中发挥着越来越重要的作用,特别是在许多以用户为导向的在线服务中,推荐系统在缓解信息过载问题方面发挥着重要作用。推荐系统的目标是通过利用用户和物品的交互来提高匹配的准确性,识别出一组最符合用户显性或隐性偏好的对象(即物品)。


随着深度神经网络(DNNs)在过去几十年的快速发展,推荐技术已经取得了良好的性能。然而,现有的基于DNN的方法在实践中存在一些缺陷。更具体地说,他们认为推荐过程是一个静态的过程,并按照一个固定的贪心策略进行推荐; 现有的大多数基于DNN的推荐系统都是基于手工制作的超参数和深度神经网络架构;它们将每个交互视为单独的数据实例,而忽略了实例之间的关系。


在本教程中,我们将全面介绍深度推荐系统中解决上述问题的先进技术的最新进展,包括深度强化学习(DRL)、自动机器学习(AutoML)和图神经网络(GNN)。


通过这种方式,我们希望这三个领域的研究人员能够对空间有更深刻的理解和准确的洞察,激发更多的想法和讨论,促进推荐技术的发展。


https://deeprs-tutorial.github.io/





专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“R230” 就可以获取WWW21最新「深度学习推荐系统」教程,230页PPT阐述深度强化学习、自动机器学习和GNN在推荐系统应用进展》专知下载链接

专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!


欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
0

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《可解释人工智能》概述,50页ppt
专知会员服务
125+阅读 · 2021年3月17日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
【USTC】对话推荐系统的进展和挑战:综述论文,30页pdf
专知会员服务
20+阅读 · 2021年1月27日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
基于知识图谱的推荐系统研究综述
专知会员服务
318+阅读 · 2020年8月10日
自动机器学习:最新进展综述
专知会员服务
115+阅读 · 2019年10月13日
Arxiv
17+阅读 · 2019年4月5日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
135+阅读 · 2018年10月8日
VIP会员
相关VIP内容
最新《可解释人工智能》概述,50页ppt
专知会员服务
125+阅读 · 2021年3月17日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
【USTC】对话推荐系统的进展和挑战:综述论文,30页pdf
专知会员服务
20+阅读 · 2021年1月27日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
基于知识图谱的推荐系统研究综述
专知会员服务
318+阅读 · 2020年8月10日
自动机器学习:最新进展综述
专知会员服务
115+阅读 · 2019年10月13日
Top
微信扫码咨询专知VIP会员