浅谈个性化推荐系统中的非采样学习

©PaperWeekly · 作者｜陈冲、张敏单位｜清华大学人工智能实验室信息检索组研究方向｜推荐系统引言随着互联网技术和产业的迅速发展，推荐系统（Recommender System）成为网络应用中不可缺少的重要组成部分，是当前解决信息过载问题的最有效的方法之一，因此也受到了学界和工业界的广泛关注。近年来，深度学习技术在许多领域展现出非凡的应用效果。然而，现有的将深度学习应用到推荐系统任务的工作主要集中在探索和引入不同的神经网络框架，在模型学习算法方面的研究相对较少。为了优化模型，现有的工作往往使用负采样策略（Negative Sampling）进行训练。虽然负采样方便并且易于实现，但是许多最近的研究表明负采样策略的鲁棒性较差，可能会忽略掉重要的训练 ………………………………