推荐系统常用知识点

1:常见的推荐系统分为两类
FM系列：因子分解剂系列 xdeepfm等
因子分解剂到最后都是分类问题，二分类问题。例如：广告预估中的是否点击问题。

CF系列：协同过滤系列 BPR ，一般的general_recommender都是协同过滤系列。

2:常见的深度学习模型
RNN：recursive neural network
循环递归神经网络（Recurrent Neural Network, RNN）是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络

CNN：convolutional neural network
卷积神经网络（convolutional neural network, CNN），是一种专门用来处理具有类似网格结构的数据的神经网络。卷积网络是指那些至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。

DNN:深度神经网络
DNN是一种最简单的神经网络。各个神经元分别属于不同的层，每个神经元和前一层的所有神经元相连接，信号从输入层向输出层单向传播。

MLP:多层感知器（MLP，Multilayer Perceptron）是一种前馈人工神经网络模型，其将输入的多个数据集映射到单一的输出的数据集上。

推荐系统中的标签分为三种：整型，浮点型，序列型（多标签型）

模型参数更新三剑客：
1:将上一步参数归零