基于深度学习的推荐系统研究综述

• 作者: 刘艳博 吕守业 李德毅 江碧涛 黄立威
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 推荐系统 深度学习 协同过滤 个性化服务 数据挖掘 多源异构数据
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 社会计算
• 页码范围: 1619-1647
• 页数: 29页
• 分类号: TP18
• 字数: 29032字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2018.01619

摘要

深度学习是机器学习领域一个重要的研究方向,近年来在图像处理、自然语言理解、语音识别和在线广告等领域取得了突破性进展.将深度学习融入推荐系统中,研究如何整合海量的多源异构数据,构建更加贴合用户偏好需求的用户模型,以提高推荐系统的性能和用户满意度,成为基于深度学习的推荐系统的主要任务.该文对近几年基于深度学习的推荐系统研究进展进行综述,分析其与传统推荐系统的区别以及优势,并对其主要的研究方向、应用进展等进行概括、比较和分析.最后,对基于深度学习的推荐系统的未来发展趋势进行分析和展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德毅	清华大学计算机科学与技术系	8	315	6.0	8.0
2	江碧涛		10	236	5.0	10.0
3	黄立威		1	196	1.0	1.0
4	吕守业		2	196	1.0	2.0
5	刘艳博		1	196	1.0	1.0