推荐系统技术发展趋势分析.pptx

;目 录;推荐系统是一种信息过滤系统，能根据用户的档案或者历史行为记录，学习出用户的兴趣爱好，预测出用户对给定物品的评分或偏好。它改变了商家与用户的沟通方式，加强了和用户之间的交互性。 针对如何构建高效精准的推荐系统的研究意义重大，近年来不少新思想新方法不断涌现，极大的推动了推荐系统的发展。一般来说，推荐系统的前沿课题一般是围绕深度学习、知识图谱、可解释推荐等几个方面;推荐系统与深度学习;推荐系统与深度学习;推荐系统与知识图谱;推荐系统与知识图谱;推荐系统的可解释性;目 录;在线新闻推荐系统致力于在庞大的新闻数据中为用户提供个性化的新闻推荐。一般情况下，新闻语言高度浓缩并且主要由知识实体构成。已有的推荐方法没有进行外部知识的抽象与学习，不能够充分的发掘新闻在知识层面的联系。;新闻文章具有高度的时间敏感性，它们的相关性很快就会在短时间内失效。导致传统的基于ID的协同过滤算法失效。 用户对话题比较敏感，同时有特定的几个种类。根据多元化阅读历史动态的衡量用户的兴趣是新闻推荐系统的关键。 新闻类文章的语言都是高度浓缩的，包含了大量的知识实体与常识。;DKN模型中对于使用了CNN提取新闻中句子的特征，用句子所包含词的词向量组成的二维矩阵，经过一层卷积操作之后再做一次max-over-time的pooling操作得到句子向量，另外在本文中还使用了不同大小的卷积核得到多组不同的向量。;一个知识图