个性化搜索和推荐系统的深度学习Deep Learning for Personalized Search and Recommender Systems |
|
课程网址: | http://videolectures.net/kdd2017_tutorial8_deep_learning/ |
主讲教师: | Liang Zhang; Benjamin Le |
开课单位: | 领英公司 |
开课时间: | 2017-11-21 |
课程语种: | 英语 |
中文简介: | 领英公司深度学习在解决图像识别(ImageNet)、语音识别、机器翻译等复杂任务方面取得了广泛成功。近年来,在个性化推荐系统领域,深度学习开始显示出有希望的进展。深度学习在个性化推荐系统中成功的关键是它能够在低维密集向量空间中学习用户和项目属性的分布式表示,并将这些表示组合起来向用户推荐相关项目。为了解决可扩展性问题,网络规模的推荐系统的实现通常利用信息检索系统的组件,例如反向索引,其中查询是根据用户的属性和上下文构建的,学习排名技术。此外,它还依赖于机器学习模型来预测项目的相关性,例如协作过滤。在本教程中,我们将介绍如何利用深度学习来改进推荐系统。本教程分为四个部分:(1)在第一部分中,我们将概述深度学习中与推荐系统相关的概念,包括序列建模、单词嵌入和命名实体识别。(2) 在第二部分中,我们将介绍如何使用这些基本构建块来大规模改进推荐系统。(3) 第三部分介绍了领英大规模推荐系统的一些案例研究,以及我们在深入学习生产工作时面临的一些挑战。 教程链接: |
课程简介: | Deep learning has been widely successful in solving complex tasks such as image recognition (ImageNet), speech recognition, machine translation, etc. In the area of personalized recommender systems, deep learning has started showing promising advances in recent years. The key to success of deep learning in personalized recommender systems is its ability to learn distributed representations of users’ and items’ attributes in low dimensional dense vector space and combine these to recommend relevant items to users. To address scalability, the implementation of a recommendation system at web scale often leverages components from information retrieval systems, such as inverted indexes where a query is constructed from a user’s attribute and context, learning to rank techniques. |
关 键 词: | 个性搜索; 系统推荐; 深度学习 |
课程来源: | 视频讲座网 |
数据采集: | 2023-05-25:chenxin01 |
最后编审: | 2023-05-25:chenxin01 |
阅读次数: | 26 |