2018-10-22 待看文章更新

2018年深度学习在个性化推荐中的应用

推荐系统总结MF->PMF->CTR->CDL->CNN

深度学习在推荐系统中的应用综述（最全）

【教程】如何从零开始构建深度学习项目？

卷积神经网络(CNN)融合PMF模型构建推荐系统

《Deep Neural Networks for YouTube Recommendations》学习笔记

基于深度学习的推荐算法实现（以MovieLens 1M数据 为例）

重磅|推荐系统顶会RecSys2018最佳论文奖出炉！因果嵌入推荐与用户研究成为焦点

Recsys最佳长短文2018

Deep Learning based Recommender System: A Survey and New Perspectives

movielens预处理后的数据在'F:/JupyterNotebook/201810/movie_recommender-master/preprocess.p'

读取处理好的数据直接用：

title_count, title_set, genres2int, features, targets_values, ratings, users, movies, data, movies_orig, users_orig = pickle.load(open('preprocess.p', mode='rb'))

2018 基于深度学习的推荐系统研究综述

推荐系统遇上深度学习--NCF

端到端的解释说明：系统中不再有独立的声学模型、发音词典、语言模型等模块，从输入端（语音波形或特征序列）到输出端（单词或字符序列）直接用一个神经网络相连，让这个神经网络来承担原先所有模块的功能。