ディープラーニングベースのレコメンダーシステム：調査と新しい展望

Deep Learning Based Recommender System

紙の情報：Shuai Zhang、Lina Yao、Aixin Sun 2017.7

ACM J.Comput。カルト。遺産。 1、1、第35条（2017年7月）、35ページ。

この記事の貢献：

1）レコメンデーションシステムの学習技術の深さに基づく系統的レビューそして、現在の作業を整理するための新しい分類モデルを提案します。

二）現在の研究のために概要概要そして、それらの利点と制限を要約します。 （特定の問題に応じて、問題を解決するためのモデルを見つけることができます）。

3）現在直面している課題と問題この分野で提案新しいトレンドそして将来の研究方向。

ディープラーニングアプリケーション推奨システムの必要性 ：

産業の観点：

文献[17]使用するDNN行うyoutobeビデオの推奨。

文献[12]使用するワイド＆ディープモデル行うGooglePlayアプリお勧めします。

文献[81]使用するRNN行うヤフーニュースおすすめ。。

学術的観点：

RecSys 2016レコメンデーションシステムの詳細な調査。

推奨される学習の深さの分類システムに基づく ：

ファイナリストと出版物の分類 ：

推奨アプリケーション統計モデル ：

今後の研究の方向性と未解決の問題 ：

1）より詳細な情報マイニングのユーザーとプロジェクト（ コンテキスト、環境など）。

二）複数の深層ニューラルネットワークモデル化合物をバインドします。

3）動的な延長時間（セッションに基づくなど）。

4）クロスドメインの推奨。

5）マルチタスク学習。

6）注意メカニズム 。

7）スケーラビリティ。

8）新しい評価指標。

上記の研究の方向性に関する既存の研究：

注：上記の論文は、見つかった参考文献に対応している場合があります。