深度匹配學習：面向搜索與推薦

第 1章　引論 1
1.1　搜索和推薦 1
1.2　從匹配的角度統(tǒng)一搜索和推薦 2
1.3　搜索中的不匹配問題 4
1.4　推薦系統(tǒng)中的不匹配問題 5
1.5　最新進展 7
1.6　關于本書 8
第 2章　傳統(tǒng)匹配模型 11
2.1　匹配學習 11
2.1.1　匹配函數(shù) 11
2.1.2　匹配函數(shù)的學習 12
2.2　搜索和推薦中的匹配模型 17
2.2.1　搜索中的匹配模型 18
2.2.2　推薦中的匹配模型 18
2.2.3　潛在空間中的匹配 19
2.3　搜索中的潛在空間模型 21
2.3.1　PLS 21
2.3.2　RMLS 22
2.3.3　SSI 23
2.4　推薦中的潛在空間模型 24
2.4.1　BMF 25
2.4.2　FISM 26
2.4.3　FM 27
2.5　延伸閱讀 28
第3章　用于匹配的深度學習 29
3.1　深度學習概述 29
3.1.1　深度神經(jīng)網(wǎng)絡 29
3.1.2　表示學習 40
3.2　用于匹配的深度學習概述 46
3.2.1　深度匹配的通用框架 46
3.2.2　深度匹配的典型架構 48
3.2.3　深度匹配的設計原理 50
第4章　搜索中的深度匹配模型 53
4.1　基于表示學習的匹配模型 55
4.1.1　總體框架 55
4.1.2　FNN表示 56
4.1.3　CNN表示 58
4.1.4　RNN表示 63
4.1.5　無監(jiān)督方法和弱監(jiān)督方法下的表示學習 64
4.1.6　表示多模態(tài)的查詢和文檔 68
4.1.7　實驗結果 72
4.2　基于匹配函數(shù)學習的查詢?C文檔匹配模型 73
4.2.1　總體框架 73
4.2.2　用匹配矩陣學習匹配函數(shù) 74
4.2.3　用注意力機制學習匹配函數(shù) 81
4.2.4　搜索中的匹配函數(shù)學習 86
4.2.5　實驗結果 91
4.3　討論和延伸閱讀 93
4.3.1　討論 93
4.3.2　延伸閱讀 95
第5章　推薦中的深度匹配模型 101
5.1　基于表示學習的匹配 102
5.1.1　從無序交互中學習表示 103
5.1.2　從順序交互中學習表示 108
5.1.3　從多模態(tài)內容中學習表示 118
5.1.4　從圖數(shù)據(jù)中學習表示 126
5.2　基于匹配函數(shù)學習的匹配 133
5.2.1　雙路匹配 134
5.2.2　多路匹配 140
5.3　延伸閱讀 145
5.3.1　論文 146
5.3.2　基準數(shù)據(jù)集 147
5.3.3　開源軟件庫 148
第6章　結論和未來研究方向 149
6.1　總結 149
6.2　其他任務中的匹配 150
6.3　開放問題和未來發(fā)展方向 151
術語縮寫表 155
參考文獻 157