推荐系统在我们的日常生活中变得越来越重要，因为它们在缓解信息过载问题方面发挥着重要作用，尤其是在许多面向用户的在线服务中。推荐系统旨在通过利用用户和项目的交互来提高匹配准确性，从而识别一组与用户的显式或隐式偏好最匹配的对象（即项目）。随着过去几十年深度神经网络 (DNN) 的快速发展，推荐技术取得了可喜的性能。然而，大多数现有的基于 DNN 的方法在实践中都存在一些缺陷。更具体地说，他们将推荐过程视为一个静态过程，并按照固定的贪心策略进行推荐；大多数现有的基于 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；他们将每个交互视为一个单独的数据实例，并忽略实例之间的关系。
在本教程中，我们旨在全面调查解决深度推荐系统中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，我们期望三个领域的研究人员能够对空间进行深入的理解和准确的洞察，激发更多的想法和讨论，推动技术在推荐方面的发展。
成为VIP会员查看完整内容
Introduction【Slides】
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。
专知会员服务
97+阅读 · 2020年2月7日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
31+阅读 · 2021年9月27日
Arxiv
10+阅读 · 2018年5月10日
相关VIP内容
专知会员服务
97+阅读 · 2020年2月7日
相关资讯
微信扫码咨询专知VIP会员