Hluboké učení pro porovnávání ve vyhledávání a doporučování

Původní název:

Deep Learning for Matching in Search and Recommendation

Obsah knihy:

Shoda, tedy měření relevance dokumentu k dotazu nebo zájmu uživatele o položku, je klíčovým problémem jak ve vyhledávání, tak v doporučování. K řešení tohoto problému bylo využito strojového učení a byly vyvinuty snahy o vývoj technik hlubokého učení pro úlohy porovnávání ve vyhledávání a doporučování. S dostupností velkého množství dat, výkonných výpočetních zdrojů a pokročilých technik hlubokého učení se hluboké učení pro párování nyní stává nejmodernější technologií pro vyhledávání a doporučování.

Klíčem k úspěchu přístupu hlubokého učení je jeho silná schopnost učení reprezentací a zobecňování odpovídajících vzorů z dat. Tento přehled poskytuje systematický a komplexní úvod do modelů hlubokého porovnávání pro vyhledávání a doporučování. Nejprve poskytuje jednotný pohled na párování ve vyhledávání a doporučování a řešení z obou oblastí lze porovnat v jednom rámci. Poté přehled kategorizuje současná řešení hlubokého učení do dvou typů: metody učení reprezentace a metody učení funkce porovnávání. Jsou popsány základní problémy i nejmodernější řešení přiřazování dotazu k dokumentu ve vyhledávání a přiřazování uživatele k položce v doporučení.

Cílem publikace Deep Learning for Matching in Search and Recommendation je pomoci výzkumníkům z komunit zabývajících se vyhledáváním i doporučováním získat hlubší porozumění a vhled do těchto oblastí, podnítit další nápady a diskuse a podpořit vývoj nových technologií. Protože párování není omezeno na vyhledávání a doporučování, lze zde představené technologie zobecnit na obecnější úlohu párování objektů ze dvou prostorů.