深度学习推荐方法及应用

推荐系统是解决信息过载的重要技术，是信息检索和数据挖掘等领域的研究热点。目前，基于深度学习的混合推荐方法占据主流，但这些方法往往忽略了结构化数据中组合信息和整体信息所蕴含的丰富隐藏特征，同时也未能有效应对文本数据（非结构化数据）中存在的单词稀疏和同义词问题。

为了解决以上问题，本书提出了以下推荐方法：基于“字符-短语”注意力机制和因子分解机的混合推荐方法和基于“局部-整体”注意力和文本匹配机制的推荐方法，旨在通过获取更多信息和提升模型特征提取能力，来实现更精准的个性化推荐；基于层次注意力和增强经验优先回放机制的深度强化学习推荐方法和基于自适应元模仿学习的推荐 环境模拟器，旨在突破深度强化学习在推荐领域面临的挑战。此外，本书还在船货匹配场景中，从实践角度验证并应用了所提出的推荐方法。