Wide & Deep Learning in Job Recommendation: An Empirical Study
Wide & Deep Learning in Job Recommendation: An Empirical Study
复制标题
宽的
DOI：
10.1007/978-3-319-70145-5_9
复制
发表时间：
2017-11
期刊：
影响因子：
--
通讯作者：
Shaoping Ma
中科院分区：
文献类型：
--
作者：
Shaoyun Shi;Min Zhang;Hongyu Lu;Yiqun Liu;Shaoping Ma
近年来，推荐系统变得越来越流行。协同过滤和基于内容的方法长期以来被广泛使用。最近，一些研究人员将深度学习算法引入推荐系统中。在本文中，我们尝试回答有关新颖的推荐模型“广度和深度学习”的一些问题。首先，我们应该如何选择和输入特征？其次，广度学习和深度学习是如何工作的？第三，如何联合训练网络的两部分？最后，如何利用新数据进行在线训练？对于所有这些，我们重点关注工作推荐任务，该任务经常遭受冷启动问题。实验给了我们这些问题的答案。
Recommender systems have become more and more popular in recent years. Collaborative Filtering and Content-Based methods are widely used for a long time. Recently, some researchers introduced deep learning algorithms into recommender system. In this paper, we try to answer some questions about a novel recommender model, Wide & Deep Learning. Firstly, how should we select and feed in features? Secondly, how does Wide & Deep Learning work? Thirdly, how to joint-train the two parts of the network? Finally, how to conduct online training with new data? For all of these, we focus on the job recommendation task, which often suffers from the cold-start problem. The experiments give us the answers of these questions.
登录
查看更多内容
DOI：
10.1016/j.is.2014.10.001
发表时间：
2016-06
期刊：
Inf. Syst.
影响因子：
--
作者：
Le Hoang Son
通讯作者：
Le Hoang Son
DOI：
--
发表时间：
2001
期刊：
--
影响因子：
--
作者：
P. Doyle;J. Lane;J. Theeuwes;L. Zayatz
通讯作者：
P. Doyle;J. Lane;J. Theeuwes;L. Zayatz
影响因子：
7.5
作者：
Markus Weimer;Alexandros Karatzoglou;Alex Smola
通讯作者：
Markus Weimer;Alexandros Karatzoglou;Alex Smola
DOI：
10.4018/978-1-7998-1192-3.ch008
发表时间：
2020
期刊：
Advances in Systems Analysis, Software Engineering, and High Performance Computing
影响因子：
--
作者：
Menaga D.;R. S.
通讯作者：
Menaga D.;R. S.
DOI：
10.4018/978-1-5225-9096-5.ch007
发表时间：
2021-07
期刊：
Smart Computational Intelligence in Biomedical and Health Informatics
影响因子：
--
作者：
A. Sinha;S. Gupta;Anurag Tiwari;Amrita Chaturvedi
通讯作者：
A. Sinha;S. Gupta;Anurag Tiwari;Amrita Chaturvedi