深度学习中应用最多的是深度rnn，关键技术是前馈

　　深度学习中应用最多的是深度rnn，关键技术是前馈

　　文章采集系统通常有三个关键环节：采集-智能分发-数据维护，不同的服务商会有不同侧重点。从推荐产品本身看：主要考虑的是推荐内容的相关性和创新性，以及系统预期的解决方案和可靠性，目标是不断的优化和迭代采集和智能分发的效率，数据维护需要考虑的主要是并发连接的性能，整体架构能否支持*敏*感*词*的数据处理。

　　深度学习中应用最多的是深度rnn，关键技术是前馈神经网络和模板匹配技术，这方面中科大和哈工大，人家是王者。

　　我发现很多企业做深度学习的都是找云厂商购买。

　　题主是否关注过深度学习可视化？方便做推荐引擎什么的。

　　如果技术目标是系统的召回概率，那么这些服务商都不错，甚至有一些做商品主动推荐的，选择时看看预测准确度。如果考虑性价比，那就是我觉得fair比较好，搜这方面的项目，机器学习，深度学习应该是未来趋势，这里比较擅长。

　　deepevolutionofdeeplearningarchitecturesnotarguablyunsupervisedrecurrentneuralnetworksforunsupervisedrecommendationgenerativeadversarialnetworksforunsupervisedrecommendation。

　　但从客户端推荐来说，以apus为例，是比较普遍存在的通用平台，从客户端和服务端分开的。从产品角度，在工程项目中应该讲究推荐效率，和搜索做类比；前者如果和搜索竞争，对apus的竞争对手是拉勾。对用户来说，是要考虑用户体验的，对服务端来说，是要考虑能否尽快打开业务流量。