深度学习是机器学习的一个重要研究方向，在许多领域得到了深入研究和广泛应用.深度学习的优势在于从各种复杂的多维数据中学习用户和物品的内在特征.基于深度学习的推荐系统更符合用户偏好，是解决信息过载的有效工具，是较为活跃的研究方向之一.研究人员为提高推荐系统的性能，做了大量关于深度学习的研究，以期提高预测准确性、优化数据、解决数据稀疏与冷启动等问题.本文综述了近年来基于深度学习的推荐系统，并对所采用的主要技术进行了系统分类，介绍了相关领域的最新研究进展以及实验情况.总结了常用推荐系统实验数据集以及在多个领域的各种应用，并以现有成果为基础，总结和分析了未来研究方向.