Mélytanulás a keresés és ajánlás illesztéséhez

Eredeti címe:

Deep Learning for Matching in Search and Recommendation

Könyv tartalma:

Az egyezés, azaz egy dokumentum relevanciájának mérése egy lekérdezéshez vagy egy felhasználó érdeklődésének mérése egy elem iránt, kulcsfontosságú probléma mind a keresésben, mind az ajánlásban. A gépi tanulást már felhasználták a probléma megoldására, és erőfeszítéseket tettek a mély tanulási technikák kifejlesztésére a keresési és ajánlási megfeleltetési feladatokhoz. A nagy mennyiségű adat, a nagy teljesítményű számítási erőforrások és a fejlett mélytanulási technikák rendelkezésre állása révén a keresés és ajánlás területén a keresés és ajánlás területén a legkorszerűbb technológiává vált a mélytanulás.

A mélytanulási megközelítés sikerének kulcsa a reprezentációk tanulásában és az adatokból származó megfelelő minták általánosításában rejlő erős képesség. Ez az áttekintés szisztematikus és átfogó bevezetést ad a keresésre és ajánlásokra szolgáló mély illeszkedési modellekről. Először is egységes képet ad a keresésben és az ajánlásban történő megfeleltetésről, és a két terület megoldásai egy keretben összehasonlíthatók. Ezután a felmérés a jelenlegi mélytanulási megoldásokat két típusba sorolja: a reprezentációs tanulás módszerei és a megfeleltetési függvények tanulásának módszerei. A keresésben a lekérdezés-dokumentum egyeztetés, az ajánlásban pedig a felhasználó-elem egyeztetés alapvető problémáit, valamint a legkorszerűbb megoldásokat ismertetjük.

A Deep Learning for Matching in Search and Recommendation célja, hogy mind a keresési, mind az ajánlási közösségek kutatóinak segítsen mélyebb megértést és betekintést nyerni a terekbe, további ötleteket és vitákat ösztönözzön, és elősegítse az új technológiák fejlesztését. Mivel a párosítás nem korlátozódik a keresésre és az ajánlásra, az itt bemutatott technológiák általánosíthatók a két térből származó objektumok közötti párosítás általánosabb feladatára.