Deep Learning based Recommender System:A Survey and New Perspectives
论文信息：Shuai Zhang, Lina Yao, and Aixin Sun 2017.7
ACM J. Comput. Cult. Herit. 1, 1, Article 35 (July 2017), 35 pages.
本文贡献：
1）基于深度学习技术的推荐系统的系统回顾和提出一个新的分类模型来组织目前工作。
2）一个对于当前研究的总览综述和总结它们的优点和局限。（可以根据具体问题来定位解决问题的模型）。
3）目前面临的挑战和问题，提出这个领域的新趋势和未来的研究方向。
深度学习应用在推荐系统的必要性 ：
工业角度：
文献[17]利用DNN做youtobe视频推荐。
文献[12]利用a wide & deep model做Google Play APP 推荐。
文献[81]利用RNN做Yahoo News推荐.。
学术角度：
RecSys 2016年基于深度学习的推荐系统。
基于深度学习的推荐系统分类 ：
入围出版物分类 ：
推荐模型应用领域统计 ：
未来研究方向和开放问题 ：
1）挖掘用户和项目的更深度信息（如 上下文，环境，隐式等）。
2）结合多个深度神经网络深复合模型。
3）扩展时间动态（如基于会话）。
4）跨域推荐。
5）多任务学习。
6）注意机制 。
7）可扩展性。
8）新的评价指标。
关于上述提到研究方向的现有工作：
注：文中提到论文都在参考文献中可对应查找到。