Deep Learning for Matching in Search and Recommendation
Das Matching, d. h. die Messung der Relevanz eines Dokuments für eine Anfrage oder des Interesses eines Nutzers an einem Artikel, ist ein zentrales Problem sowohl bei der Suche als auch bei Empfehlungen. Das maschinelle Lernen wurde genutzt, um das Problem anzugehen, und es wurden Anstrengungen unternommen, Deep-Learning-Techniken für Matching-Aufgaben bei der Suche und bei Empfehlungen zu entwickeln. Mit der Verfügbarkeit großer Datenmengen, leistungsfähiger Rechenressourcen und fortschrittlicher Deep-Learning-Techniken wird Deep Learning für den Abgleich von Such- und Empfehlungsaufgaben nun zur modernsten Technologie.
Der Schlüssel zum Erfolg des Deep-Learning-Ansatzes liegt in seiner starken Fähigkeit, Repräsentationen und Generalisierung von Matching-Mustern aus Daten zu lernen. Diese Übersicht gibt eine systematische und umfassende Einführung in die Deep-Matching-Modelle für Suche und Empfehlung. Zunächst wird ein einheitlicher Überblick über das Matching bei der Suche und bei Empfehlungen gegeben und die Lösungen aus den beiden Bereichen können in einem Rahmen verglichen werden. Anschließend werden die aktuellen Deep-Learning-Lösungen in zwei Typen eingeteilt: Methoden des Repräsentationslernens und Methoden des Lernens von Matching-Funktionen. Die grundlegenden Probleme sowie die State-of-the-Art-Lösungen des Query-Document-Matching in der Suche und des User-Item-Matching in der Empfehlung werden beschrieben.
Deep Learning for Matching in Search and Recommendation soll Forschern aus der Such- und Empfehlungsgemeinschaft helfen, ein tieferes Verständnis und einen Einblick in die Bereiche zu bekommen, weitere Ideen und Diskussionen anzuregen und die Entwicklung neuer Technologien zu fördern. Da das Matching nicht auf die Suche und Empfehlung beschränkt ist, können die hier vorgestellten Technologien auf eine allgemeinere Aufgabe des Matchings zwischen Objekten aus zwei Bereichen verallgemeinert werden.
| ISBN: | 9781680837063 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 200 |
Derzeit verfügbar, auf Lager.
