深度学习在推荐系统中的应用

推荐系统概述

什么是推荐系统

分析用户的喜好，为用户推荐物品/人，或为用户提供选项。

评分预测（rating prediction)

评分，即用户对物品的喜欢程度，一般可以分为“喜欢”，“不喜欢”

排名预测（ranking prediction）或Top-N推荐

预测备选“物品”的排名，并取出Top-N的推荐物品。

分类（Classification）：

对备选物品分类

难点

数据稀疏性

冷启动问题

推荐质量评价问题

预测准确度

覆盖率

置 信度

信任度

新颖度

惊喜度

多样性

效用

方法

深度学习在推荐系统中的应用

基于MLP





基于RNN

基于CNN

基于GAN（Generative Adversarial Network）的推荐系统

相似用户推荐

描述： 根据人们本身的特征和人们在社交网络（如微博）中的行为，判断哪些人具有一定的相似性。



youtube:



相似用户推荐-数据描述



相似用户推荐-网络结构特征表示



相似用户推荐-特征描述



相似用户推荐-解决方案



相似用户推荐-结果







相似用户推荐-特征描述