待验证50% 置信事实精确时间
现代推荐系统主要基于协同过滤和深度学习模型运作，深度学习模型包括Google的Wide & Deep和YouTube的深度神经网络候选生成模型
1
来源数
50%
置信度
长期有效
时效性
2026/8/11
首次发现
来源
相关事实
待验证现代社交平台推荐系统通常基于深度学习模型，使用Wide & Deep、DeepFM或Transformer等架构在数十亿条内容中实时排序80% 相似待验证Google DeepMind提出了Nested Learning（嵌套学习）相关方法77% 相似待验证YouTube于2016年公开的论文《Deep Neural Networks for YouTube Recommendations》是深度神经网络多目标排序推荐系统的里程碑76% 相似待验证精排层普遍使用深度学习模型如Wide&Deep、DeepFM或Transformer架构进行CTR预估和互动概率计算75% 相似待验证DeepPose 于2014年首次将深度学习引入姿态估计领域73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/731108API
curl https://kongchang.com/api/v1/knowledge/claims/731108MCP
get_claim(id=731108)