Deep Learning Based Recommender System

计算机科学 推荐系统 深度学习 信息过载 人工智能 繁荣的 领域(数学) 数据科学 万维网 机器学习 心理学 数学 纯数学 心理治疗师
作者
Shuai Zhang,Lina Yao,Aixin Sun,Yi Tay
出处
期刊:ACM Computing Surveys [Association for Computing Machinery]
卷期号:52 (1): 1-38 被引量:921
标识
DOI:10.1145/3285029
摘要

With the growing volume of online information, recommender systems have been an effective strategy to overcome information overload. The utility of recommender systems cannot be overstated, given their widespread adoption in many web applications, along with their potential impact to ameliorate many problems related to over-choice. In recent years, deep learning has garnered considerable interest in many research fields such as computer vision and natural language processing, owing not only to stellar performance but also to the attractive property of learning feature representations from scratch. The influence of deep learning is also pervasive, recently demonstrating its effectiveness when applied to information retrieval and recommender systems research. The field of deep learning in recommender system is flourishing. This article aims to provide a comprehensive review of recent research efforts on deep learning-based recommender systems. More concretely, we provide and devise a taxonomy of deep learning-based recommendation models, along with a comprehensive summary of the state of the art. Finally, we expand on current trends and provide new perspectives pertaining to this new and exciting development of the field.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
哈哈哈发布了新的文献求助10
1秒前
bluefire完成签到,获得积分10
1秒前
善学以致用应助junjun采纳,获得10
1秒前
和谐的曼云完成签到,获得积分10
2秒前
5秒前
希望天下0贩的0应助HR112采纳,获得20
5秒前
默默的甜瓜完成签到,获得积分10
6秒前
zqingqing发布了新的文献求助10
10秒前
123发布了新的文献求助10
12秒前
12秒前
12秒前
13秒前
领导范儿应助阔达白筠采纳,获得10
13秒前
15秒前
妍妍发布了新的文献求助10
17秒前
19秒前
19秒前
天涯完成签到 ,获得积分10
20秒前
Hello应助跳跃的寄瑶采纳,获得10
22秒前
木又权完成签到,获得积分10
22秒前
23秒前
问枫发布了新的文献求助10
23秒前
zhangling完成签到,获得积分10
23秒前
妍妍完成签到,获得积分20
23秒前
26秒前
26秒前
26秒前
ZJYcici完成签到,获得积分10
28秒前
MaoM发布了新的文献求助10
29秒前
yzlsci完成签到,获得积分0
29秒前
cmclara完成签到,获得积分10
30秒前
cadnash发布了新的文献求助10
31秒前
ff完成签到 ,获得积分10
31秒前
32秒前
秋风暖暖发布了新的文献求助10
33秒前
fzd发布了新的文献求助10
33秒前
36秒前
36秒前
搞怪哑铃发布了新的文献求助10
38秒前
心灵美的犀牛完成签到,获得积分10
39秒前
高分求助中
Evolution 10000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
The Kinetic Nitration and Basicity of 1,2,4-Triazol-5-ones 440
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3164260
求助须知:如何正确求助?哪些是违规求助? 2815000
关于积分的说明 7907415
捐赠科研通 2474608
什么是DOI,文献DOI怎么找? 1317598
科研通“疑难数据库(出版商)”最低求助积分说明 631857
版权声明 602228