Deep Learning for Matching in Search and Recommendation
L'appariement, qui consiste à mesurer la pertinence d'un document par rapport à une requête ou l'intérêt d'un utilisateur pour un article, est un problème clé dans la recherche et la recommandation. L'apprentissage automatique a été exploité pour résoudre ce problème et des efforts ont été faits pour développer des techniques d'apprentissage profond pour les tâches d'appariement dans la recherche et la recommandation. Avec la disponibilité d'une grande quantité de données, de ressources informatiques puissantes et de techniques d'apprentissage profond avancées, l'apprentissage profond pour l'appariement devient maintenant la technologie de pointe pour la recherche et la recommandation.
La clé du succès de l'approche d'apprentissage profond est sa forte capacité à apprendre des représentations et à généraliser des modèles de correspondance à partir de données. Cette étude présente de manière systématique et complète les modèles d'appariement profond pour la recherche et la recommandation. Tout d'abord, elle donne une vision unifiée de l'appariement dans la recherche et la recommandation et les solutions des deux domaines peuvent être comparées dans un cadre unique. Ensuite, l'étude classe les solutions actuelles d'apprentissage profond en deux catégories : les méthodes d'apprentissage de la représentation et les méthodes d'apprentissage de la fonction d'appariement. Les problèmes fondamentaux ainsi que les solutions de pointe pour l'appariement requête-document dans la recherche et l'appariement utilisateur-article dans la recommandation sont décrits.
Deep Learning for Matching in Search and Recommendation vise à aider les chercheurs des communautés de la recherche et de la recommandation à obtenir une compréhension approfondie des espaces, à stimuler davantage d'idées et de discussions, et à promouvoir le développement de nouvelles technologies. L'appariement n'étant pas limité à la recherche et à la recommandation, les technologies présentées ici peuvent être généralisées à une tâche plus générale d'appariement entre des objets provenant de deux espaces.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)