深度学习在推荐系统中的最新应用_机器之心原创作者：仵冀颖编辑：H4O201

机器之心原创

作者：仵冀颖

编辑：H4O

2019 年 9 月 16 日至 20 日，第 13 届 ACM Conference on Recommender System（RecSys）在丹麦哥本哈根召开。作为推荐系统的顶会，RecSys 一如既往受到了业界的广泛关注。与其他机器学习会议相比，RecSys 一向重视解决实际的问题，即结合在实际应用场景中推荐系统性能提升、效果提高等问题提出设计策略和算法解决方案等。随着深度学习研究的进一步深入，深度学习在推荐系统中的应用依然是研究热点之一，本次会议中图神经网络（Graph Neural Network，GNN）、经典深度学习模型都有所应用及改进。本文从中选取三篇，进行针对性的分析：

Addressing Delayed Feedback for Continuous Training with Neural Networks in CTR prediction，提出一种基于损失函数的神经网络模型，用于解决连续学习过程中的延迟反馈问题。

Tripartite Heterogeneous Graph Propagation for Large-scale Social Recommendation，提出一种应用于社会化推荐系统的异构图传播结构。