推荐系统中物品召回技术的研究进展

• 作者: 谢幸 连德富 陈恩红
• 来源期刊: 南京信息工程大学学报
• 学科: 工学
• 关键词: 最大内积搜索 召回 最近邻搜索 推荐系统 协同过滤 深度推荐
• 年，卷（期）: 2019,（3）
• 页码范围: 241-250
• 页数: 10页
• 分类号: TP301|TP391
• 字数: 10749字
• 语种: 中文
• DOI: 10.13878/j.cnki.jnuist.2019.03.001

摘要

信息技术的快速发展导致信息过载.推荐系统是解决信息过载最有效的方式之一.近年来,深度学习的快速发展也带动了推荐系统的进步,各种深度推荐算法层出不穷.然而由于候选物品数量巨大且用户兴趣动态变化,深度推荐算法的推荐复杂度巨大,难以在实际系统中单独使用.在深度推荐技术发展的同时,物品召回技术(也称近似搜索技术)也有了较大的发展与进步.本文先介绍基于距离最小化的物品召回的研究进展,再从向量索引、局部敏感哈希、哈希学习、向量量化四个方面来深入探讨基于内积最大化的物品召回技术的研究进展.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈恩红	中国科学技术大学计算机科学与技术学院	87	1942	22.0	42.0
5	谢幸		8	17	2.0	4.0
6	连德富	中国科学技术大学计算机科学与技术学院	1	0	0.0	0.0