Sep, 2019

带有辅助信息的推荐研究综述及研究方向

PDF
TL;DR本文综述了基于用户或物品侧面信息的推荐系统研究，并从方法论和侧面信息表示两个角度，概括了基于记忆、潜在因子、表示学习和深度学习等不同方法的最新推荐算法。同时阐述了结构化数据和非结构化数据的侧面信息表示，并探讨了应用推荐系统面临的挑战和未来发展方向。
发现论文，激发创造
  • 使推荐系统更具专业知识：一个整合辅助信息的框架

    该研究提出了一种利用边缘信息来提高推荐系统性能的新框架，并通过实验证明，该推荐系统在准确率和收敛速度上优于其他最先进的模型。此外，该研究还探讨了关注机制的新型正则化损失，并提出了进一步改进的一些见解。

    Jun, 2024

  • 基于知识图谱的推荐系统综述

    本文系统调查了基于知识图谱的推荐系统，从算法和数据集两个角度总结了近期发表的研究，并提出了该领域的几个潜在研究方向。

    Feb, 2020

  • 推动基线推荐系统的极限：结合意见挖掘和信息检索技术的综述

    本文综述了混合推荐系统的新模型与架构，并识别了每种模型的优缺点及其具体应用场景。

    May, 2022

  • 利用知识图谱提供附加信息以提高推荐准确性的应用

    本研究采用知识图谱来优化推荐算法，提供更加个性化的推荐解决方案，并在实验中验证了其显著的性能优势，对于领域（如电影推荐）的个性化推荐具有参考价值。

    Jan, 2021

  • 基于深度学习的推荐系统：综述与新视角

    本文综述了基于深度学习的推荐系统的最新研究进展，提出和总结了深度学习推荐模型的分类法和现有技术的综述，同时扩展了当前趋势并提供了对这一新兴领域的新见解。

    Jul, 2017

  • 推荐系统简介

    本文综述了个性化推荐及推荐系统的经典算法，评估方式，以及最近研究的方向：基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。

    Feb, 2023

  • 推荐系统中的消费者公平性：方法和评估的系统调查

    本文为乘用侧公平在推荐系统中的研究提供了系统的概览和讨论，并提出了一种基于高级公平解释的新型分类方法，用于对研究及其提出的公平评价指标进行分类，最后提出了该领域未来的一些方向建议。

    May, 2023

  • 具有附加信息的 Top-N 推荐的集体变分自编码器

    该论文提出了一种利用变分自编码器从辅助信息中学习特征表示和同时恢复用户评分和辅助信息的方法，相较于现有的基于辅助信息的推荐方法，其具有更高的效果

    Jul, 2018

  • 推荐系统的近期发展：一份综述

    这篇技术综述全面总结了推荐系统领域的最新进展，提供了该领域现状的概述并强调了推荐系统发展的最新趋势，涵盖了个性化、群组、基于知识的推荐系统等主要分类，探讨了推荐系统中的鲁棒性、数据偏见和公平性问题，并总结了评估指标用于评估这些系统的性能，最后还深入分析了推荐系统的最新趋势和未来研究的新方向。

    Jun, 2023

  • 社交协同检索

    本文提出了一种新的协作检索模型，通过整合社交网络信息来提高文本检索的准确性，在真实的音乐数据集上进行了实证分析，证明在数据稀疏性强的情况下，社交信息对于文本检索尤为重要。

    Apr, 2014