Deep Learning for Matching in Search and Recommendation 搜索与推荐中的深度学习匹配（目录）

最新推荐文章于 2022-06-12 12:00:27 发布
最新推荐文章于 2022-06-12 12:00:27 发布
阅读量503 收藏
点赞数
分类专栏： 搜索与推荐中的深度学习匹配 文章标签： 人工智能 深度学习 机器学习 推荐系统 深度搜索
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u014128608/article/details/116718247
版权
本文介绍了徐君、何向南、李航三位老师关于深度匹配模型的研究成果，该模型广泛应用于搜索与推荐系统中，对于提高用户体验及个性化服务具有重要意义。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近学习了徐君、何向南、李航三位老师的《Deep learning for matching in search and Recommendation》，文章对搜索与推荐领域的深度匹配模型进行了系统、全面的介绍。

《Matching User with Item Set: Collaborative Bundle Recommendation with Deep Attention Network》论文笔记
weixin_43646592的博客
04-18 698
Matching User with Item Set: Collaborative Bundle Recommendation with Deep Attention Network 背景： 大多数推荐系统研究致力于推荐单一商品给用户。然而在现实中，平台需要给用户展示的是一些列的商品（捆绑销售策略，bundle:捆绑）。 之前大部分是an item to a user，这篇论文的是 a set of items(a bundle) to a user 这篇论文的主要工作就是关注于对用户和捆绑的商品集合的交
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 7124
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
搜索和推荐的匹配：sigir18-deep-match.pdf
08-07
搜索和推荐的匹配：Deep Learning for Matching in Search and Recommendation
Deep Learning for Matching in Search and Recommendation 搜索与推荐中的深度学习匹配（0 摘要）
拾遗
05-12 464
摘要 推荐系统和搜索应该是机器学习乃至深度学习在工业界落地应用最多也最容易变现的场景。而无论是搜索还是推荐，本质其实都是匹配（match），搜索的本质是给定query，匹配doc；推荐的本质是给定user，推荐item。机器学习已广泛应用于解决此类问题，它基于输入表征和标签数据来学习匹配函数，也称为“learning to match”。近年来，人们努力开发用于匹配搜索和推荐任务的深度学习技术。得益于海量可用性数据数据、强大的计算资源和先进的深度学习技术，用于匹配的深度学习已成为最先进的搜索、推荐技术。深度
【推荐系统综述阅读笔记】1.Deep Learning for Matching in Search and Recommendation
Ryan0828的博客
12-08 381
Deep Learning for Matching in Search and Recommendation 第一篇关于RS的Review，paper篇幅较短，来自SIGIR 2018，但是详细内容在作者在会议的ppt上。以下是在阅读的过程中记录的笔记，包括paper、ppt翻译和自己的理解及注释。dblp上下不到ppt原件，作者给出的附件地址是：https://www.comp.nus.edu.sg/~xiangnan/sigir18-deep.pdf，下载不了，如果是新加坡国立大学内网说不定能下载。
Deep Learning for Matching in Search and Recommendation 搜索与推荐中的深度学习匹配（1 引言）
拾遗
05-13 569
#1.1 搜索与推荐的概述 搜索和推荐中的根本问题是从海量信息中识别满足用户信息需求的信息对象。 ##搜索 搜索是一个用户主动输入query（一系列关键词），并用query比较明确的表达自己需求。搜索引擎通过query-doc的match匹配，返回用户最可能点击的文档。 ##推荐 推荐一般是非主动触发的，通常不需要用户输入的query。推荐系统就是系统根据用户的属性（如性别、年龄、学历、地域、职业），用户在系统里过去的行为（例如浏览、点击、搜索、购买、收藏等），以及当前上下文环境（如网络、手机设备、时间等）
《搜索与推荐中的深度学习匹配》-推荐
qq_41196438的博客
04-30 914
《搜索与推荐中的深度学习匹配》-推荐1 推荐概述2 传统匹配模型算法2.1 协同过滤 Collaborative Filtering2.2 基于特征的通用模型2.3 损失func3 深度匹配模型3.1 Methods of representation learning3.2 Methods of matching function learning3.2.1 CF models3.2.2 Feature-based models 说明：本文是对Deep Learning for Matching in S
2020_WWW_Few-Shot Learning for New User Recommendation in Location-based Social Networks
weixin_46645827的博客
03-04 1427
[论文阅读笔记]2020_WWW_Few-Shot Learning for New User Recommendation in Location-based Social Networks 论文下载地址： https://doi.org/10.1145/3366423.3379994 发表期刊：WWW Publish time: 2020 作者及单位: Ruirui Li UCLA rrli@cs.ucla.edu Xian Wu Univeristy of Notre Dame xwu9@nd.ed
TensorFlow Deep Learning Projects
10-19
While doing so, you will build end-to-end deep learning solutions to tackle different real-world problems in image processing, recommendation systems, stock prediction, and building chatbots, to name...
论文阅读笔记（1）：Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation
kk__mm的博客
12-04 3726
Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation 原文链接：https://arxiv.org/pdf/1901.08907v1.pdf 摘要 在真实的推荐场景中，协同过滤往往存在稀疏性和冷启动问题，因此，研究人员和工程师通常利用辅助信息来解决问题，提高推荐系统的性能。本文将知识图作为辅助信息的来源。提...
Deep Learning Recommendation Models for Personalization
07-07
facebook - Deep Learning Recommendation Models for Personalization and Recommendation Systems 中文翻译 不想下载的，可以访问我的博客链接：https://blog.youkuaiyun.com/a1066196847/article/details/94781732
Deep+Learning+in+Recommendation.pdf
12-09
深度学习推荐系统
李航最新《搜索与推荐中的深度学习匹配》新书，190页pdf（附下载）
fengdu78的博客
06-12 415
‍‍匹配在搜索和推荐中都是一个关键问题，它是衡量文档与查询的相关性或用户对某个条目的兴趣。机器学习已经被用来解决这个问题，它根据输入表示和标记数据学习匹配函数，也被称为“学习匹配”。近年来，人们努力开发用于匹配搜索和推荐任务的深度学习技术。随着大量数据的可用性、强大的计算资源和先进的深度学习技术，用于匹配的深度学习现在已经成为最先进的搜索和推荐技术。深度学习方法成功的关键...
《搜索和推荐中的深度匹配》——1.1搜索和推荐
09-21 672
搜索的基本机制是“拉”，因为用户首先发出特定的请求（即提交查询），然后接收信息。推荐的基本机制是“推送”，因为向用户提供了他们没有明确要求的信息（例如，提交查询）。例如，如果用户对有关量子计算的新闻感兴趣，则查询“量子计算”将被提交给搜索引擎，并获得有关该主题的新闻报道。取而代之的是，它分析用户的个人资料（例如，人口统计信息和环境）以及商品的历史互动，然后向用户推荐商品。例如，在新闻网站上，当用户浏览并单击新文章时，可能会显示几条具有相似主题的新闻文章或其他用户与当前文章一起单击的新闻文章。
Deep Learning in Search & Recommendation
bra_ve的博客
02-13 911
搜索推荐中的召回匹配模型综述(一)：传统方法
hellozhxy的博客
01-14 2139
Part0 搜索推荐中的匹配模型综述 本文主要启发来源SIGIR2018的这篇综述性slides《Deep Learning for Matching in Search and Recommendation》，重点阐述搜索和推荐中的深度匹配问题，非常solid的综述，针对里面的一些方法，尤其是feature- based的深度学习方法增加了近期一些相关paper。推荐系统和搜索应该是机器学习乃...
Artifical Neural Networks
AndersonLiu_的博客
05-30 436
资料版权归原作者所有，资源链接仅供个人学习研究和交流使用，请下载后24小时内删除，如有侵权，请留言通知。 https://andersen.pipipan.com/fs/1634288-375911423 ...
facebook 将协同过滤加上深度学习来解决搜索推荐问题 (二) - 论文翻译
yifu0121
07-05 2278
总述：facebook 在技术行业上一直和谷歌这些公司一样，处于一个领头羊的地位，在 facebook 的业务当中，搜索推荐算法一直是一个比较重要的板块，在今年他们提出来一个新的算法，就是在“深度方法”的基础上，再加上这个行业刚兴起时候的“协同过滤”！本文先从论文翻译入手，后续还会给出源码理解、以及博主的实践理解 原文地址链接：https://arxiv.org/pdf/1906.0009......
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值