随着社会和科学的不断进步，近几年，人们越来越看重以深度学习为基础的推荐系统，在过去，传统的推荐系统存在一定的问题，如何利用深度学习来拓展推荐系统的性能和用户满意度是现在有关单位的一个重要方向。按目前所处情况来看，语音识别，网络系统和在线广告等等都用到了深度学习来拓展自身的推荐系统，如果想提高资深推荐系统的性能和用户的满意度，必须要仔细研究和讨论整理好数量众多的数据，还要构建符合用户需求的用户模型。论文主要是通过对于推荐系统的研究，来将深度学习融入进去，以深度学习为基础从推荐系统展开入手，对比以前传统的推荐系统和现在以深度学习为基础的推荐系统之间的利弊，分析了将深度学习融入到推荐系统之后的未来发展趋势。
NETL
NSTL
万方数据
