面向推荐的自动化机器学习的全面综述
信息检索
2023-02-17 v2 人工智能
摘要
深度推荐系统（DRS）对当前的商业在线服务提供商至关重要，它们通过推荐贴合用户兴趣和偏好的物品来解决信息过载问题。它们具有前所未有的特征表示有效性，以及建模用户与物品之间非线性关系的能力。尽管取得了进展，DRS 模型与其他深度学习模型一样，采用复杂的神经网络架构和其他重要组件，这些通常由人类专家设计与调优。本文对用于开发 DRS 模型的自动化机器学习（AutoML）进行全面总结。我们首先概述面向 DRS 模型的 AutoML 及相关技术。然后讨论自动化 DRS 中特征选择、特征嵌入、特征交互与模型训练的最先进 AutoML 方法。我们指出，现有的基于 AutoML 的推荐系统正发展为具有抽象搜索空间与高效搜索算法的多组件联合搜索。最后，我们讨论有吸引力的研究方向并总结该综述。
引用
@article{arxiv.2204.01390,
title = {A Comprehensive Survey on Automated Machine Learning for Recommendations},
author = {Bo Chen and Xiangyu Zhao and Yejing Wang and Wenqi Fan and Huifeng Guo and Ruiming Tang},
journal= {arXiv preprint arXiv:2204.01390},
year = {2023}
}