7.11 深度学习在推荐算法上的应用进展
最近几年是深度学习发展的黄金时间，其在多个领域取得了重要进展，包括图像领域、语音领域、文本领域等。深度学习为科研工作者提供了一种非常有效的技术途径，其本质上是对数据特征进行深层次的抽象挖掘，通过大规模数据来学习有效的特征表示以及复杂映射机制，从而建立有效的数据模型。从方法上来说，深度学习具有的优点本质上是领域无关的。因此，在可预见的未来，深度学习将会作为一种较为通用的数据建模方法，对于多个潜在领域的应用产生重要影响。
在信息大数据时代，用户的个性化需求不断提高，对于信息系统智能度的要求带来了很多挑战。面对大量的数据信息，如何帮助用户有效获取所需要的信息，有力改善信息超载（informationoverload）问题，是数据科研工作者的主要研究挑战之一。整体来说，目前信息处理系统有两种工作模式。第一种称为“拉”模式，比较典型的就是搜索引擎，用户提交查询，系统返回搜索结果；第二种称为“推”模式，比较典型的就是推荐系统，用户不要求显式提交任何查询和兴趣偏好，而系统通过自动化算法进行“信息”推送。在信息智能时代，推荐系统显得尤为重要，已经成为互联网以及数据服务公司的核心技术模块之一，对于推荐系统技术的推进具有重要应用意义。在此选择推荐系统作为主要应用，初步介绍深度学习算法在该领域内的若干应用进展。
