基于深度学习的推荐算法研究
为了解决信息过载和用户无明显需求的问题，找到用户感兴趣的产品，从而出现了推荐系统。推荐系统的任务是根据用户的信息，来找到对客户有用的项目，既为公司增加了收入，也让客户的到了满足，达到双赢的结果。
推荐系统也是一个搜索排名系统。推荐系统的输入用户行为的上下文信息，输出则是一组项目的排序列表。对于一个公司来说是希望收益最大化的，而令收益最大化的关键就在于正确估计用户对每个项目的点击率。所以说推荐系统的核心就是点击率的预测。
在过去都是使用一些人为的条件限制来决定输出的顺序。但是这样做的工程量十分巨大，而且并不能十分准确的估计出用户的喜好，难以做到个性化定制。
深度学习可以通过组合原始特征来得到高层的抽象特征，以发现数据的分布式特征表示。目前已经用于语音识别，图像处理，自然语言处理等诸多方面。同时目前的研究已经证明，深度学习可以很好的应用于检索和推荐任务中。与传统的方案相比，深度学习可以更好地理解用户需求与项目之间的联系。由于将深度学习应用于推荐系统可以获得高效率和高质量的模型，所以基于深度学习的推荐系统正在的到飞速的发展。
本项目着眼于近几年提出的前沿推荐算法（wide&deep, deepFM）,对推荐算法进行研究，并达到效果提升的目的
