| Περίληψη: | Στο έκτο κεφάλαιο θα μελετήσουμε τους αλγορίθμους συστάσεων που βασίζονται σε τεχνητά νευρωνικά δίκτυα. Συγκεκριμένα, θα περιγράψουμε το Multi-layer Perceptron - (MLP), το βασικό νευρωνικό δίκτυο, πρόσθιας τροφοδότησης και με πολλά στρώματα ανάλυσης. Επίσης, θα παρουσιάσουμε λεπτομερώς τα Graph Convolutional Netwoks, τα Graph Neural Networks και τα Node Embeddings. Τα Convolutional Neural Networks είναι ιδιαίτερα αποτελεσματικά στο image processing and recognition και, δεδομένου ότι μια εικόνα συνήθως απεικονίζεται μ’ έναν διδιάστατο πίνακα, αυτά τα τεχνητά νευρωνικά δίκτυα μπορούν κατά αναλογία να εφαρμοστούν και στα συστήματα συστάσεων, τα οποία συνίστανται κατά βάση επίσης από δύο διαστάσεις (χρήστες και στοιχεία). Τέλος, θα αναλύσουμε το Recurrent Neural Network, το οποίο επιτρέπει στο σύστημα συστάσεων με τη χρήση των δομικών μονάδων LSTM και GRU να «ξεχνάει» παλαιότερες χρονικά αλληλεπιδράσεις του χρήστη με τα στοιχεία, και γι’ αυτό είναι χρήσιμο για συστάσεις στοιχείων των οποίων ο χρόνος ζωής είναι σχετικά μικρός (π.χ. ειδησεογραφικά άρθρα).
|
|---|
