https://nowpublishers.com/article/Details/INR-076

匹配在搜索和推荐中都是一个关键问题,它是衡量文档与查询的相关性或用户对某个条目的兴趣。机器学习已经被用来解决这个问题,它根据输入表示和标记数据学习匹配函数,也被称为“学习匹配”。近年来,人们努力开发用于匹配搜索和推荐任务的深度学习技术。随着大量数据的可用性、强大的计算资源和先进的深度学习技术,用于匹配的深度学习现在已经成为最先进的搜索和推荐技术。深度学习方法成功的关键在于它在从数据(例如查询、文档、用户、条目和上下文,特别是原始形式)中学习表示和匹配模式的泛化方面的强大能力。

本文系统全面地介绍了最近发展起来的搜索推荐深度匹配模型。首先给出了搜索和推荐匹配的统一观点。这样,两个领域的解决方案就可以在一个框架下进行比较。然后,调查将目前的深度学习解决方案分为两类:表示学习方法和匹配函数学习方法。介绍了搜索中的查询-文档匹配和推荐中的用户-项匹配的基本问题和最新的解决方案。该调查旨在帮助搜索和推荐社区的研究人员深入了解和洞察空间,激发更多的想法和讨论,促进新技术的发展。

匹配并不局限于搜索和推荐。在释义、问题回答、图像注释和许多其他应用程序中都可以发现类似的问题。一般而言,调查中引入的技术可以概括为一个更一般的任务,即匹配来自两个空间的物体。

图1.1:搜索和推荐匹配的统一视图。

  • 输入层接收两个匹配对象,它们可以是单词嵌入、ID向量或特征向量。

  • 表示层将输入向量转换为分布式表示。这里可以使用MLP、CNN和RNN等神经网络,这取决于输入的类型和性质。

  • 交互层比较匹配对象(例如,两个分布式表示)并输出大量(局部或全局)匹配信号。矩阵和张量可以用来存储信号及其位置。

  • 聚合层将各个匹配信号聚合成一个高级匹配向量。该层通常采用深度神经网络中的pooling和catenation等操作。

  • 输出层获取高级匹配向量并输出匹配分数。可以利用线性模型、MLP、神经张量网络(NTN)或其他神经网络。

成为VIP会员查看完整内容
194

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

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
【2020新书】傅里叶变换的离散代数,296页pdf
专知会员服务
88+阅读 · 2020年11月2日
最新《机器学习:基本原理》2021新书,209页pdf
专知会员服务
123+阅读 · 2020年10月24日
最新《图嵌入组合优化》综述论文,40页pdf
专知会员服务
56+阅读 · 2020年8月31日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
72+阅读 · 2020年5月5日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
172+阅读 · 2020年1月13日
最新《图嵌入组合优化》综述论文,40页pdf
深度文本匹配在智能客服中的应用
AI100
16+阅读 · 2018年10月24日
深度学习综述(下载PDF版)
机器学习算法与Python学习
21+阅读 · 2018年7月3日
各厂推荐算法!
程序猿
15+阅读 · 2018年1月13日
基于机器学习方法的POI品类推荐算法
全球人工智能
3+阅读 · 2017年11月22日
Arxiv
13+阅读 · 2019年4月5日
Arxiv
16+阅读 · 2018年4月2日
Arxiv
4+阅读 · 2018年3月30日
Arxiv
5+阅读 · 2018年3月28日
Arxiv
8+阅读 · 2018年1月19日
Arxiv
6+阅读 · 2018年1月11日
Arxiv
5+阅读 · 2017年7月23日
VIP会员
相关VIP内容
相关资讯
相关论文
Arxiv
13+阅读 · 2019年4月5日
Arxiv
16+阅读 · 2018年4月2日
Arxiv
4+阅读 · 2018年3月30日
Arxiv
5+阅读 · 2018年3月28日
Arxiv
8+阅读 · 2018年1月19日
Arxiv
6+阅读 · 2018年1月11日
Arxiv
5+阅读 · 2017年7月23日
微信扫码咨询专知VIP会员