最新最全推荐系统相关优秀研究论文整理分享
Posted 深度学习与NLP
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了最新最全推荐系统相关优秀研究论文整理分享相关的知识,希望对你有一定的参考价值。
推荐系统是利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。
随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
本资源整理了最近几年推荐系统相关的最新的一些,值得阅读的优质论文,涉及基于内容推荐算法、基于协同过滤推荐算法、可解释下推荐算法、序列推荐算法(Session-based推荐算法、上下文结合序列推荐)、基于知识图谱推荐算法、基于强化学习推荐算法、ctr预估、召回、多目标、多任务等推荐各个方面。
研究论文
•Deep Learning based Recommender System: A Survey and New Perspectives [2017]
•基于深度学习的推荐系统研究综述 [2018]
•Explainable Recommendation: A Survey and New Perspectives [2018]
•Sequence-Aware Recommender Systems [2018]
•DeepRec: An Open-source Toolkit for Deep Learning based Recommendation [IJCAI 2019]
基于内容推荐算法
•Convolutional Matrix Factorization for Document Context-Aware Recommendation [RecSys 2016]
•Joint Deep Modeling of Users and Items Using Reviews for Recommendation [WSDM 2017]
•Multi-Pointer Co-Attention Networks for Recommendation [KDD 2018]
•Gated attentive-autoencoder for content-aware recommendation [WSDM 2019]
相关好书推荐,京东2万+,98%好评书籍:
以上是关于最新最全推荐系统相关优秀研究论文整理分享的主要内容,如果未能解决你的问题,请参考以下文章