深度学习和推荐系统的一点思考

感觉深度学习似乎可以做任何事情，可能是因为它像人脑的神经结构，能够通过这种结构学到任何明显的不明显的东西，只要对的我们给一个肯定的信号，不对的给一个否定信号，它就能强化对我们想要的部分的识别。

推荐系统，非深度的协同过滤，当面对海量数据时，需要建立一个巨大的用户-点击矩阵，空间开销指数增长，当乘积过亿是基本就不可用了。当然可以通过降维等非独热表示方法表示，这样可以部分解决数据量激增问题，我个人关于这一点并未试验过。

推荐系统，当采用深度网络时，以用户和物品分别作为输入，然后通过训练使用户id和产品id对应的向量表示在空间上符合其对应关系，然后以用户和不同的产品作输入，得到对各个产品的评分。
深度学习有一个优势，深度学习天生对海量数据的处理有优势，深度学习的分批处理轻松解决了数据激增的问题。

还有一点，特征工程决定一个项目的上限，算法模型只是去无限逼近这个上限。
特征工程做的好非常非常重要。做推荐系统的时候一定要花大精力把特征工程做好。