2 深度学习在推荐系统的应用
深度学习指代多层级的人工神经网络，近年来在语音识别、计算机视觉和自然语言处理等领域取得了巨大成功[32]。根据深度学习技术在推荐系统中的应用方式，将相关工作大体分为两类：①作为一种基于数据的表征学习的方法，深度学习技术可以从语义较为丰富的输入数据（如语音、图片、文本等）中抽取出有效的特征表示，以方便下游应用，如检索和推荐等[11,14,17,33-40 ]；②作为一种通用的数据建模方法，深度学习对数据进行多层非线性变换，可以拟合出较为复杂的预测函数。推荐系统中的核心算法是协同过滤，其目标从机器学习的角度可以看成拟合用户和物品之间的交互函数（user-item interaction function），因此近期一系列的工作也将深度学习技术应用于学习协同过滤的交互函数上[6,12,20,23,27,41-44]。本章主要探讨以上两类基于深度学习的推荐系统预测模型。模型的优化目标函数和已有推荐系统工作基本一致（见1.1节）。
