首頁 > 期刊 > 自然科學與工程技術 > 工程科技II > 綜合科技B類綜合 > 南京信息工程大學學報·自然科學版 > 推薦系統中物品召回技術的研究進展 【正文】
推薦系統中物品召回技術的研究進展
連德富; 謝幸; 陳恩紅 中國科學技術大學計算機科學與技術學院; 合肥230026; 中國科學技術大學大數據學院; 合肥230026; 微軟亞洲研究院; 北京100080
- 最大內積搜索
- 召回
- 最近鄰搜索
- 推薦系統
- 協同過濾
摘要：信息技術的快速發展導致信息過載.推薦系統是解決信息過載最有效的方式之一.近年來,深度學習的快速發展也帶動了推薦系統的進步,各種深度推薦算法層出不窮.然而由于候選物品數量巨大且用戶興趣動態變化,深度推薦算法的推薦復雜度巨大,難以在實際系統中單獨使用.在深度推薦技術發展的同時,物品召回技術(也稱近似搜索技術)也有了較大的發展與進步.本文先介紹基于距離最小化的物品召回的研究進展,再從向量索引、局部敏感哈希、哈希學習、向量量化四個方面來深入探討基于內積最大化的物品召回技術的研究進展.
- 最大內積搜索
- 召回
- 最近鄰搜索
- 推薦系統
- 協同過濾
摘要：信息技術的快速發展導致信息過載.推薦系統是解決信息過載最有效的方式之一.近年來,深度學習的快速發展也帶動了推薦系統的進步,各種深度推薦算法層出不窮.然而由于候選物品數量巨大且用戶興趣動態變化,深度推薦算法的推薦復雜度巨大,難以在實際系統中單獨使用.在深度推薦技術發展的同時,物品召回技術(也稱近似搜索技術)也有了較大的發展與進步.本文先介紹基于距離最小化的物品召回的研究進展,再從向量索引、局部敏感哈希、哈希學習、向量量化四個方面來深入探討基于內積最大化的物品召回技術的研究進展.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
