随着深度学习的出现，基于神经网络的个性化和推荐模型已经成为在生产环境中构建推荐系统的重要工具，Facebook 也不例外。但是，这些模型与其他深度学习模型有很大不同，这些模型必须要有能力处理分类数据，而这些数据是用于描述更高级别的属性。对于神经网络而言，使用这种稀疏数据有效地工作是一项挑战，与此同时，缺乏代表性模型和数据集的公开细节亦减缓研究界的进展。为了帮助提升对这个子领域的理解，Facebook 近日开源采用最先进的深度学习推荐模型（DLRM），该模型由使用 Facebook 的开源 PyTorch 和 Caffe2 平台实现。DLRM 通过结合协同过滤和基于预测分析的方法原则在其他模型上取得进步，使其能够有效地利用生产规模数据并提供最先进的结果。