自然语言处理技术（NLP）在推荐系统中的应用
个性化推荐是大数据时代不可或缺的技术，在电商、信息分发、计算广告、互联网金融等领域都起着重要的作用。具体来讲，个性化推荐在流量高效利用、信息高效分发、提升用户体验、长尾物品挖掘等方面均起着核心作用。在推荐系统中经常需要处理各种文本类数据，例如商品描述、新闻资讯、用户留言等等。具体来讲，我们需要使用文本数据完成以下任务： 候选商品召回。候选商品召回是推荐流程的第一步，用来生成待推荐的物品集合。这部分的核心操作是根据各种不同的推荐算法来获取到对应的物品集合。而文本类数据就是很重要的一类召回算法，具有不依赖用户行为、多样性丰富等优势，在文本信息丰富或者用户信息缺乏的场合中具有非常重要的作用。 相关性计算。相关性计算充斥着推荐系统流程的各个步骤，例如召回算法中的各种文本相似度算法以及用户画像计算时用到的一些相关性计算等。 作为特征参与模型排序(CTR/CVR)。在候选集召回之后的排序层，文本类特征常常可以提供很多的信息，从而成为重要的排序特征。 但是相比结构化信息(例如商品的属性等)，文本信息在具体使用时具有一些先天缺点。 首先，文本数据中的结构信息量少。严格来说，文本数据通常是没有什么结构的...
