Aprendizaje profundo para el emparejamiento en búsqueda y recomendación

Título original:

Deep Learning for Matching in Search and Recommendation

Contenido del libro:

El emparejamiento, que consiste en medir la relevancia de un documento para una consulta o el interés de un usuario por un artículo, es un problema clave tanto en la búsqueda como en la recomendación. El aprendizaje automático se ha explotado para abordar el problema y se han realizado esfuerzos para desarrollar técnicas de aprendizaje profundo para tareas de emparejamiento en la búsqueda y la recomendación. Con la disponibilidad de una gran cantidad de datos, potentes recursos computacionales y técnicas avanzadas de aprendizaje profundo, el aprendizaje profundo para el emparejamiento se convierte ahora en la tecnología de vanguardia para la búsqueda y la recomendación.

La clave del éxito del enfoque de aprendizaje profundo es su gran capacidad de aprendizaje de representaciones y generalización de patrones de correspondencia a partir de datos. Este estudio ofrece una introducción sistemática y exhaustiva a los modelos de correspondencia profunda para la búsqueda y la recomendación. En primer lugar, ofrece una visión unificada del emparejamiento en la búsqueda y la recomendación, y las soluciones de los dos campos pueden compararse en un mismo marco. A continuación, el estudio clasifica las soluciones actuales de aprendizaje profundo en dos tipos: métodos de aprendizaje de representación y métodos de aprendizaje de funciones de emparejamiento. Se describen los problemas fundamentales, así como las soluciones más avanzadas para la correspondencia entre consulta y documento en la búsqueda y entre usuario y elemento en la recomendación.

El objetivo de Deep Learning for Matching in Search and Recommendation es ayudar a los investigadores de las comunidades de búsqueda y recomendación a comprender en profundidad los espacios, estimular más ideas y debates, y promover el desarrollo de nuevas tecnologías. Como el emparejamiento no se limita a la búsqueda y la recomendación, las tecnologías introducidas aquí pueden generalizarse a una tarea más general de emparejamiento entre objetos de dos espacios.