行行查
行业研究数据库
人工智能行业研究:机器学习推荐、深度学习推荐和生成式推荐的区别
- 人工智能
- 机器学习
机器学习推荐、深度学习推荐和生成式推荐在技术架构与实现逻辑上存在显著差异。传统机器学习推荐系统(如图a所示)主要依赖于基于用户查询或用户特征与文档/物品特征之间的匹配得分来完成推荐任务,常用模型包括协同过滤(MF)和排序模型(SSI),其核心是通过统计方法直接计算匹配分数。
随着深度学习的发展,推荐系统演进为深度学习驱动的模式(如图b所示),该模式引入了表示学习(Representation Learning)机制,即分别对用户和物品进行深度神经网络编码,生成高维语义表示(Rep.),再通过一个匹配函数计算两者之间的匹配得分。这种结构能够更有效地捕捉复杂的非线性关系,提升推荐精度。
而生成式推荐(如图c所示)则代表了新一代推荐范式,它不再局限于计算匹配分数,而是利用生成式模型(如T5、BART、LLaMA等大语言模型)根据用户的查询或意图描述,直接生成个性化的文档或物品内容。这一过程强调的是“生成”而非“匹配”,能够提供更具创造性和上下文感知能力的推荐结果,尤其适用于开放域场景下的个性化服务需求。
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 | ||
| 人工智能行业周观点:Anthropic下周正式挂牌,OpenAI推出ChatGPT钱包与商户中心 | 2026-11-16 | 50 | ||
| 人工智能行业半月报(2026年11月第2期):Anthropic即将上市,黄仁勋辞去CEO等职务 | 2026-11-18 | 20 | ||
| 专题研究报告:人工智能在资本市场的应用现状与演进方向 | 2026-11-19 | 31 |

行研数据库
创投数据库
证券数据库
商业数据库










