1樓：不知道該叫啥
"基於深度學習推薦系統往往推薦物品的數量在構建網路時已經確定了"，這句話是怎麼得出的。
推薦一般分為召回、粗排、精排、重排，每個階段都有不同模型，你說的「推薦物品數量確定」是在哪個階段？例如在召回階段推薦物品並沒有確定。
2樓：厚德載物丶
其實就是是否加入side infor 和加入side infor後怎麼處理的問題。如果 model在訓練時只用到了id資訊，那麼冷啟動商品只能走冷啟動邏輯。如果用到了side infor，就有幾個常見方法，比如和FM的類似想法，用side 資訊走一遍模型獲得embedding，或者用用side資訊找到最相似的幾個商品，pooling獲取新商品的embedding，這個也就是airbnb的方法
3樓：QIUER
Collaborative filtering and deep learning based recommendation system for cold start items
拿走不謝 :)
4樓：NWPU
很迷，沒看懂問題，基於深度學習推薦系統往往推薦物品的數量在構建網路時已經確定了（softmax層的輸出），這一句和後面的所以當出現新物品時往往無法得到推薦沒看出關聯。
這個推薦物品數量確定，是指整個模型裡商品的個數，還是指推給具體某個人的數量。
如果是出現了整個資料集裡沒有的item這就是冷啟動問題，有一系列的方法。
為什麼基於Android深度定製的系統有的叫UI有的叫OS？
已登出 我就奇怪了，按照你們的邏輯，android明明是基於linux還自稱os是不是臉大？darwin明明是是基於bsd的還自稱kernel是不是臉大？一眾linux的distro不能自稱為os了？憑什麼作為linux的distro可以自稱os，別人作為android的distro就不能自稱os了...
請問有做視覺SLAM基於深度學習閉環檢測的嗎？
九歌 俺就是在做深度學習與閉環檢測結合的工作的呀 目前將深度學習應用到閉環檢測中已經很普遍了吧。直接的想法是在bow框架下利用如superpoint d2 r2d2等深度學習特徵代替傳統orb sift等特徵。也有如NetVLAD CALC等用神經網路模擬傳統特徵提取策略，以獲得更好魯棒性的。也有加...
如何學習推薦系統？
推薦系統實戰 項亮 項亮 著 深度學習推薦系統 王喆 王喆 著 看完可以再挑幾個演算法實現一下或者去某Hub找幾個原始碼看看 看完並實現幾個其中的模型相信就已經能很好地滿足提者的需求了 感謝兩位作者的編著 ps 有幾本其他的老外的書，太厚，內容也比較陳舊，不太推薦。如果看這兩本書有細節上的問題，可以...