推薦系統必讀論文清單

推薦系統必讀論文清單

來自專欄社會化推薦那些事

摘要

最近和幾個同學共同整理了關於推薦系統的一些經典論文,包括綜述文章、傳統經典推薦文章、社會化推薦文章、基於深度學習的推薦文章以及專門用於解決冷啟動問題的文章等。該項目還在持續更新中,期待大家的補充,讓我們一起構建一個相對完整的推薦論文清單,讓想入門推薦的童鞋們不必再像咱們一樣痛苦吧。

推薦系統簡介

隨著大數據時代的飛速發展,信息逐漸呈現出過載狀態,推薦系統(又稱為個性化內容分發)作為近年來實現信息生產者與消費者之間利益均衡化的有效手段之一,越來越發揮著舉足輕重的作用。再者這是一個張揚個性的時代,人們對於個性化的追求、千人千面的嚮往愈來愈突出,誰能捕捉住用戶的個性化需求,誰就能在這個時代站住腳跟。現在人們不再單單依靠隨大流式的熱門推薦,而是基於每個用戶的行為記錄來細粒度的個性化的生成推薦內容。像今日頭條、抖音這樣的APP之所以如此之火,讓人們欲罷不能,無非是抓住了用戶想看什麼的心理,那麼如何才能抓住用戶的心理,那就需要推薦系統的幫助了。因此在這個張揚個性的時代,無論你是開發工程師還是產品經理,我們都有必要了解一下個性化推薦的一些經典工作與前沿動態。

推薦系統清單

hongleizhang/RSPapers?

github.com圖標

該項目提供了一些關於推薦系統的經典綜述文章、主流的推薦演算法文章、著名的社會化推薦演算法論文、基於深度學習的推薦系統論文以及關於專門處理冷啟動問題的相關論文等。當然該項目包含但不局限於以上這些模塊。為了保持統一和易於維護,整理的論文是按照年份來進行排序的。主要包括以下幾部分:

1、經典綜述

包含了關於推薦系統的綜述文章、社會化推薦的綜述文章、協同過濾演算法的綜述文章以及基於深度學習構建推薦系統的綜述文章等。

2、主流推薦演算法

包括了一些經典的協同過濾模型,對於協同過濾模型的一些經典擴展(尤其是矩陣分解模型)以及其他經典方法等。

3、社會化推薦

整理了近年來關於社會化推薦的一系列文章,例如SoRec、SoReg、RSTE、TrustSVD、UniWalk等經典方法。

4、深度學習推薦演算法

整理關於利用深度學習技術來構建推薦系統的文章,比如受限的玻爾茲曼機、卷積神經網路等技術來融合到推薦模塊中。

5、冷啟動問題

專註於解決協同過濾中固有的冷啟動問題,主要是利用除評分信息之外的其他邊信息(社交信息、評論信息等)以及利用映射機制來緩解冷啟動問題。


註:該項目將持續更新,歡迎大家star(給個小心心)。本人能力有限,以期在總結中提高,思考中進步,也希望大家如果看到有啥比較好的論文,可以分享給大家,或者好的意見與建議,可以反饋給我們。

推薦閱讀:

《機器智能的未來》系列三:Brendan Frey--當深度學習遇上基因生物學 | 將門推薦
機器學習入門筆記1
機器學習基礎與實踐(二)----數據轉換
ZT:機器學習中如何選擇特徵值
Aspect Level Sentiment Classification with Deep Memory Network

TAG:推薦系統 | 數據挖掘 | 機器學習 |