2023入坑多模态图文推荐系统，是否是明智之举？发表时间：2023-04-04 14:37作者：沃恩智慧 如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加有效率的连接，节约大量用户与内容和服务连接的时间和成本。但很多研究者对这个方向的吐槽都是学界和业界脱钩严重，很大程度上是工业界关心的问题可能学界并不了解或者知道但是没法做，只能在公开数据集刷SOTA。
但这并不妨碍推荐系统是个好的研究方向，研究人与人之间的互动永远都不会过时。 如果把推荐系统简单拆开来看，推荐系统主要是由数据、算法、架构三个方面组成。 数据提供了信息，包括用户与内容的属性，用户的行为偏好等等。这些数据特征非常关键，甚至可以说它们决定了一个算法的上限。架构解放了双手，架构保证整个推荐自动化、实时性的运行。一个推荐系统的实时性要求越高、访问量越大，那么这个推荐系统的架构会越复杂。 而算法则提供了逻辑。数据通过不断的积累，存储了巨量的信息。在巨大的数据量与数据维度下，人已经无法通过人工策略进行分析干预，因此需要基于一套复杂的信息处理逻辑，基于大量的数据学习返回推荐的内容或服务。 扫码预约广告推荐大模型公开课
领取2023推荐系统论文合集
推荐算法其实本质上是一种信息处理逻辑，当获取了用户与内容的信息之后，按照一定的逻辑处理信息后，产生推荐结果。热度排行榜就是简单的一种推荐方法，它依赖的逻辑就是当一个内容被大多数用户喜欢，那大概率其他用户也会喜欢。推荐算法主要分为以下几步：召回，过滤，精排，混排，强规则。 2016年谷歌发表的Wide&Deep模型与YouTube深度学习推荐模型，引领推荐算法走向了对深度学习的应用。相比传统机器学习推荐模型，深度学习具有更加复杂的模型结构，而使其具备了理论上拟合任何函数的能力。同时深度学习的结构灵活性可以让其模拟出用户兴趣的变迁过程。
推荐算法变化趋势 近些年，随着深度学习理论，GPU和CPU等计算机硬件，TensorFlow、Caffe、PyTorch等算法平台的发展，深度学习算法在个性化推荐、计算机视觉、自然语言处理、语音识别等领域大放光彩。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，从而建立起有效的数据模型。 4月6日，推荐算法领域有深厚科研经验的大厂核心部门资深研究员Joy老师，为大家梳理图文多模态广告推荐大模型及其研究方向进展。Joy老师本硕毕业于清华大学，博士毕业于海外top高校，已经以第一作者身份发表SCI一二区论文、CCF-A类论文数十篇，并担任多个顶会顶刊审稿人，Joy老师将在公开课上为大家梳理推荐算法当下研究热点，帮大家寻找论文idea和创新点。 扫码预约广告推荐大模型公开课
领取2023推荐系统论文合集 及课程回放 公开课详情↓
要高效做科研，掌握方法、合理利用自身可用资源很关键！结合身边学弟学妹以及自己的科研成长经历，发现大家普遍缺乏系统的科研知识体系，很难写出一篇合格的文章。更别提发现好的创新点和idea了！ 做科研发论文从结果上，其实可以分为以下三类：
以难以程度来考量的话，新问题老方法＜老问题新方法＜新问题新方法。 所以，大家都头疼的创新点和idea，其实也有方法论，掌握了之后，就会比较容易找到一个idea～ 想“idea”，有两宝——模型+算法 模型，可以理解成System model中的部分，可以是现有问题模型的拓展延伸，其实，这就叫创新，只要你做的是别人还没研究或者研究很少的，就已经可以算创新了。 当你提出了一个模型，就要选择一个合适的算法来解决模型中的问题。可以是寻找合适的算法根据自己的场景合理地进行改进，就已经是一个很棒的想法了。 扫码免费预约顶会大佬直播课 限前一百名粉丝
文末领福利
扫码免费领课程资料↑ -END- |
