中国人工智能学会通讯——深度学习与推荐系统 2.1 深度特征抽取(Extracting Side Features with Deep Learning)
2023-09-27 14:26:11 时间
2.1 深度特征抽取(Extracting Side Features with Deep Learning)
深度学习-分享几个开源AI模型库 现在市面上有很多的深度学习预训练模型库,这些预训练库收集了不同AI任务的SOTA模型,有的还提供推理的SDK。这对于做AI应用和AI开发来说,是宝贵的开源资源。
图4总结了一系列工作使用深度学习进行特征抽取,并用于协同过滤的基本框架。介于深度学习技术抽取出的特征通常是相对较短、稠密的向量(也称为嵌入式表示,embedding),可以和基于隐向量的矩阵分解方法无缝结合,因此这类工作大都采用矩阵分解模型进行协同过滤。例如,文献[33]在音乐推荐任务中,采用卷积神经网络(CNN)从音乐的原始特征中抽取出音乐表示,优化目标函数式(2)获得用户的隐向量;文献[36]在电影推荐任务中,采用去噪自动编码模型(DAE)从用户和电影的原始特征中抽取隐向量表示,优化目标函数式(1)学习模型参数;文献[34]在新闻推荐任务中,采用多层感知机(MLP)从用户的原始特征(如查询文本和点击记录等)和新闻的原始特征(如文本描述和类别信息等)中抽取出隐向量表示;文献[39]在图片推荐的任务中,采用卷积网络AlexNet抽取出较为抽象的图片表示。
值得一提的是,以上方法均采用向量内积作为用户和物品的交互函数,也就是矩阵分解的基本模型。我们发现向量内积的方式尽管在协同过滤的任务上简单高效,但在建模实体之间的相似度时有一定的局限性,尤其是在考虑实体之间的排序时[6]。考虑到神经网络有极强的近似连续函数的能力[32],一个可行的改进方案是使用神经网络从数据中学习该交互函数。
深度学习-分享几个开源AI模型库 现在市面上有很多的深度学习预训练模型库,这些预训练库收集了不同AI任务的SOTA模型,有的还提供推理的SDK。这对于做AI应用和AI开发来说,是宝贵的开源资源。
相关文章
- 纯干货:微软漏洞中国第一人黄正——如何用正确姿势挖掘浏览器漏洞(附完整 PPT)|硬创公开课
- 中国黑客证实:苹果总部摆“鸿门宴”收 iOS 漏洞,价格“不能说”
- BlackHat 专题 | 中国黑客5秒干掉 macOS 系统,攻击方法首次全球揭秘
- IDC:爱数再次蝉联备份一体机市场中国品牌第一
- AppsFlyer挺进中国:小团队如何吞掉大市场?
- “与中国同创”支持中国成为创新的第一现场
- 亚马逊通过云计算发力中国市场?表示要适应中国规则
- 中国会计学会会计信息化专家走进浪潮
- 中国人工智能学会通讯——人工智能和大数据在金融科技的创新和应用 3. 智能投资
- 中国人工智能学会通讯——打造云上视觉智能生态 1.5 视觉智能实例:视觉诊断
- 中国人工智能学会通讯——打造云上视觉智能生态 1.6 视觉智能实例:视觉广告
- 中国人工智能学会通讯——人机对话系统体验提升之道
- 中国人工智能学会通讯——脑在回路的智能系统
- 中国人工智能学会通讯——深度学习与推荐系统 1 推荐技术简介
- 中国人工智能学会通讯——深度学习与推荐系统 3 总结与展望
- 中国人工智能学会通讯——融合经济学原理的个性化推荐 1.1 互联网经济系统的基本问题
- 《中国人工智能学会通讯》——11.27 统一先验建模框架 I:约束谱聚类
- 中国人工智能学会通讯——人类作为“情感机器”——效用函数、情绪和社会偏好 1.4 结 论
- 《中国人工智能学会通讯》——11.37 非线性切换系统最优控制
- 中国人工智能学会通讯——搜狗搜索:从搜索到问答 1.3 搜狗立知系统
- Docker植根中国:镜像服务更快、更稳定
- 《中国人工智能学会通讯》——12.43 分类型数据聚类算法研究进展
- 中国量子通信技术已跻身全球领先地位