总结
纵观最近五年业界主流的推荐算法,从一开始 Embedding+MLP 的网络,发展到特征组合的网络,再到基于用户行为序列的网络,到当前的推荐+知识图谱,算法的信息处理能力不断的变强,能够处理的数据也越来越丰富,未来也将持续沿着这个趋势发展 。
文章插图
参考文献[1]《Wide & Deep Learning for Recommender Systems》
[2]《Deep Neural Networks for YouTube Recommendations》
[3]《DeepFM: A Factorization-Machine based Neural Network for CTR Prediction》
[4]《Deep & Cross Network for Ad Click Predictions》
[5]《Sequential Recommender Systems: Challenges, Progress and Prospects》
[6]《Attention Is All You Need》
[7]《Bert: Pre-training of deep bidirectional transformers for language understanding》
[8] http://jalammar.github.io/illustrated-transformer/
[9]《Behavior Sequence Transformer for E-commerce Recommendation in Alibaba》
[10]《BERT4Rec-Sequential Recommendation with Bidirectional》
[11]《Collaborative knowledge base embedding for recommender systems》
[12]《Multi-task feature learning for knowledge graph enhanced recommendation》
[13]《AliCoCo: Alibaba E-commerce Cognitive Concept Net》
[14]《Product Knowledge Graph Embedding for E-commerce》
作者:ezewang,腾讯 WXG 应用研究员
【一文了解深度推荐算法的演进】
推荐阅读
- 在PyTorch中使用深度自编码器实现图像重建
- 了解的茶具挑选,如何挑选瓷质茶具
- 作为程序员的你必须了解的常用加密算法
- 怎么快速了解3dmax软件学习操作
- 高并发来了如何处理,漏桶算法和令牌桶算法了解一下
- 全球十大域名排行榜 最常用的域名都在这里,你了解哪些呢
- 佛陀证悟的宇宙真相 佛陀了解宇宙的全部真相
- 深度详解Python中Unicode编码
- 一文搞懂 ThreadLocal 原理
- 数据分析-pandas库快速了解