本书介绍
匹配是搜索和推荐中的关键技术，即衡量文档与查询（Query）的相关性或用户对项目的兴趣。机器学习算法已经被用来解决该问题，该问题基于输入表示和带标签的数据来学习一个匹配函数，也称为“学习匹配（learning to match）”。近年来，主要研究用于匹配搜索和推荐任务的深度学习技术。随着大量训练数据可用，强大的计算资源以及先进的深度学习技术，用于匹配的深度学习现已成为搜索和推荐的必备技术。深度学习方法成功的关键在于其强大的表示学习和建模能力，可以学习表示形式并从数据中概括匹配模式（例如，查询、文档、用户、物品、上下文等）。
文末附本书最新免费pdf下载地址。
本文对最近开发的搜索和推荐深层匹配模型进行了系统，全面的介绍。首先，它给出了搜索和推荐中匹配的模式。这样，可以在一个框架下比较两个领域的解决方案。然后，调查将当前的深度学习解决方案分为两种类型：表示学习方法和匹配函数学习方法。描述了基本问题以及搜索中查询文档匹配和推荐中用户项匹配的最新解决方案。这项调查旨在帮助来自搜索和推荐社区的研究人员深入了解和洞察空间，激发更多想法和讨论，并促进新技术的发展。
匹配不仅限于搜索和推荐。类似的问题可以在释义，问题回答，图像注释和许多其他应用程序中找到。通常，可以将调查中引入的技术概括为在两个空间中的对象之间进行匹配的更一般的任务。
本书目录
