文献类型：期刊文章

作　　者：黄立威[1] 江碧涛[1] 吕守业[1] 刘艳博[1] 李德毅[2]

HUANG Li-Wei;JIANG Bi-Tao;LV Shou-Ye;LIU Yan-Bo;LI De-Yi(Beijing Institute of Remote Sensing,Beijing 100192;Department of Computer Science and Technology,Tsinghua University,Beijing 100084)

机构地区：[1]北京市遥感信息研究所,北京100192 [2]清华大学计算机科学与技术系,北京100084

出　　处：《计算机学报》

基　　金：国家"九七三"重点基础研究发展计划项目基金(2014CB340404);国家自然科学基金重大研究计划(91638301);国家自然科学基金(61272111;61273216;6160011950)资助~~

年　　份：2018

卷　　号：41

期　　号：7

起止页码：1619-1647

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：深度学习是机器学习领域一个重要的研究方向,近年来在图像处理、自然语言理解、语音识别和在线广告等领域取得了突破性进展.将深度学习融入推荐系统中,研究如何整合海量的多源异构数据,构建更加贴合用户偏好需求的用户模型,以提高推荐系统的性能和用户满意度,成为基于深度学习的推荐系统的主要任务.该文对近几年基于深度学习的推荐系统研究进展进行综述,分析其与传统推荐系统的区别以及优势,并对其主要的研究方向、应用进展等进行概括、比较和分析.最后,对基于深度学习的推荐系统的未来发展趋势进行分析和展望.

关 键 词：推荐系统 深度学习  协同过滤 个性化服务 数据挖掘 多源异构数据  

分 类 号：TP18]