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

May, 2022

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

A Review on Pushing the Limits of Baseline Recommendation Systems with the integration of Opinion Mining & Information Retrieval Techniques

PDF

Dinuka Ravijaya Piyadigama, Guhanathan Poravi

TL;DR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。

Abstract

Recommendations Systems allow users to identify trending items among a community while being timely and relevant to the user's expectations. When the purpose of various recommendation systems differs, the required type of recommendations also differs for each use case. While one Recomm

recommendation systems content-based filtering collaborative filtering deep learning hybrid approach

发现论文，激发创造

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

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

基于评论一致性的电影推荐系统

本文提出基于协作和内容的混合推荐系统，结合顶级评论家一致性和电影评分，建立一个推荐模型，可基于用户喜好和评论家评分综合推荐电影。

Dec, 2021

带有辅助信息的推荐研究综述及研究方向

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。

Sep, 2019

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

将社交媒体趋势融入生成 NFT 推荐的可能性探究

本研究提出了一种新的推荐系统体系结构，采用信息检索技术和社交趋势，通过意见挖掘来改进基线方法在无法收集用户点击数据或因隐私问题无法收集数据时提供的推荐，把多种信息源整合起来生成有前途的输出。

May, 2022

神经混合推荐：推荐需要合作

该文介绍了一种名为 NHR 的神经混合推荐框架，可用于商品预测问题。该框架利用神经网络从同一和不同的数据源中提取更详细的信息，以及在同样的问题上使用不同的损失函数达到评级预测问题，测试结果在真实世界数据集中显示了优异的性能。

Sep, 2019

使用机器学习进行餐厅推荐的研究

本文主要介绍了基于机器学习的推荐系统，分析了在推荐系统中机器学习所应用的技术和思想，让更多人了解大数据与机器学习的含义和对我们日常生活的深远影响。

Aug, 2022

推荐系统研究中可重复性与进展的令人不安的分析

研究推荐系统中个性化排序算法的设计，近年来基于深度学习（神经网络）技术的方法在文献中占主导地位。本研究通过重新实验验证最近基于协作过滤的神经网络推荐方法的结果，发现其中 11 种方法在概念上简单的最近邻启发式方法表现更好，计算复杂的神经网络方法并没有明显的优势。同时，发现当今研究实践中存在普遍问题，可能导致该领域的停滞。

Nov, 2019

新闻推荐系统：最近进展、挑战和机遇的评估

本文介绍了新闻推荐系统领域面临的挑战及其最新解决方案，其中包括传统模型和基于深度学习的模型。在探讨用户行为对于推荐效果的影响以及可能的解决方案时，为研究者和业界提供了最前沿的知识。

Sep, 2020