孙淑娟,过 弋,2,3,钱梦薇
1(华东理工大学 信息科学与工程学院,上海 200237)2(大数据流通与交易技术国家工程实验室 商业智能与可视化研究中心,上海 200237)3(上海大数据与互联网受众工程技术研究中心,上海 200072)
E-mail:guoyi@ecust.edu.cn
在电商行业中,为特定用户推荐其偏好的物品以及解决用户决策困难的问题一直是一个热门而且重要的话题.在许多现实世界的购物场景中,用户未来的购买意愿很大程度上受历史行为序列的影响.例如,购买了手机之后,可能会购买相关配件,诸如手机壳或者手机贴膜等物品.如果体验较好,可能还会购买该商品的周边衍生产品,例如同款服装或者纪念品.目前,该领域传统的算法模型主要是根据用户提供的反馈信息进行用户偏好预测[1].随着深度学习技术在自然语言处理、数据挖掘、目标检测、阅读理解等多个人工智能领域取得的显著进展,科研人员也开始在推荐算法领域利用深度学习(DL,Deep Learning)技术进行不断的深入研究和探索[2].基于深度学习的推荐模型,其核心思想是将用户、项目交互特征映射至多维空间中,然后通过多层感知机网络去学习特征之间的相关性,最后通过该模型为用户提供最佳决策.深度学习推荐模型的发展大致可以分为3个时期,如表1所示.

表1 深度学习推荐模型的3个发展时期Table 1 Development based on deep learning recommendation model
1)发展初期.其主要特点是依赖于人工特征工程,模型简单、参数空间较小、性能高.主要算法以多层感知机(MLP)为和深度协同过滤为……