本研究針對推薦系統冷啟動和候選生成兩方面的問題,提出了一種基于深度學習的分類方法。研究人員提出了一種分類的深度學習技術,來解決推薦系統中的冷啟動和候選生成問題。
冷啟動是通過附加功能(用于音頻、圖像、文本)和學習隱藏的用戶與對象表示來解決的。候選生成則通過分離的網絡、RNNs、自動編碼器和混合方法解決。該研究還總結了這些技術的優點和局限性,同時展望了未來研究的方向。
推薦系統為企業和客戶提供了許多便利。它們使消費者的搜索過程變得非常簡單,并幫助企業實現更高的銷量、更高的網絡使用率、更高的客戶保留率和更高的利潤率。
Netflix上80%的電影都有推薦系統。在YouTube上,60%的視頻點擊來自推薦。本文描述的工作是為未來開發穩定的推薦系統進行的有益嘗試。
-
冷啟動
+關注
關注
0文章
9瀏覽量
7565 -
深度學習
+關注
關注
73文章
5554瀏覽量
122416
原文標題:古訓《增廣賢文》連載十八——道吾好者是吾賊, 道吾惡者是吾師。
文章出處:【微信號:puzedianzi0311,微信公眾號:普澤天下】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
VirtualLab:準直系統中鬼像效應的研究
PanDao:實際約束條件下成像系統的初始結構的生成
商業航天運動控制系統中的高可靠性芯片解決方案:挑戰、策略與案例研究
NVIDIA大語言模型在推薦系統中的應用實踐

京東廣告生成式召回基于 NVIDIA TensorRT-LLM 的推理加速實踐
鴻蒙原生頁面高性能解決方案上線OpenHarmony社區 助力打造高性能原生應用
AIGC與傳統內容生成的區別 AIGC的優勢和挑戰
DCS系統實施中的常見挑戰
AIGC生成內容的優勢與挑戰
【?嵌入式機電一體化系統設計與實現?閱讀體驗】+磁力輸送機系統設計的創新與挑戰
基于DPU的容器冷啟動加速解決方案

評論