推荐系统模型发展简史

本文简要回顾了推荐系统的发展,从早期的协同过滤技术到矩阵分解模型,再到深度学习的应用。协同过滤曾在2005年前主导推荐系统,后来受到Netflix奖金的刺激,矩阵分解得到广泛应用。2016年后,深度神经网络模型如Wide&Deep、DeepFM、DIN、DIEN等逐渐成为焦点。推荐系统会议ACM RecSys的举办推动了学术研究,而因果推理在解决推荐系统偏差问题中变得重要。

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

嘿,记得给“机器学习与推荐算法”添加星标


互联网出现不久,推荐系统就诞生了,相关技术在学术界和工业界得到了广泛的研究和应用。目前,推荐系统已经成为最成功的网络应用之一,通过推荐不同种类的内容来为数十亿人服务,包括新闻资讯、视频、电子商务产品、音乐、电影、书籍、游戏、朋友、工作等。这些成功的案例证明,推荐系统可以将大数据转移成高价值。本文从两个方面简要回顾了推荐系统的发展历程:(1)推荐模型,(2)典型推荐系统的架构。之前我们整理了近30年关于推荐模型的发展历史可参考一文尽览推荐系统模型演变史(文末可下载),另外关于中国推荐系统发展历史可参考那些用推荐引擎改变世界的人。我们希望这个简短的回顾能够帮助了解网络推荐系统的进展,并且这些点在未来会以某种方式连接起来,从而激励建立更先进的推荐服务进而改变世界。

d237fa0666e40ff5b229f7277dfaee39.png 14d5378249bb65edf0a3e10d85823f16.png
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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