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
本文是关于多模态推荐系统的技术视角的综述,主要介绍了多模态推荐系统的一般过程、挑战、三类现有模型,以及数据集和代码资源的总结,同时讨论了未来的发展方向。
本文介绍了先进推荐系统技术的快照,重点关注了 Recommender Systems,Reciprocal Recommender System 等 RRS 算法,以及融合过程和社交推荐应用的挑战和机遇。
Jul, 2020
改进现代工业化推荐系统的方法论,经验可推广至其他系统,适用于追求提高关键性能指标的工程师。
Jul, 2023
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
本文旨在探讨如何通过数据融合来提高评分预测的准确性,通过扩展 Social MF 模型以及提出新的 MR3 框架,即通过整合邻居关系、评分和隐藏主题等三种信息来创造新的推荐系统,提高了推荐系统的准确性。本文通过两个真实世界数据集的评测衡量了每种数据来源对所提出框架的贡献。
Jan, 2016
本文对基于强化学习的推荐系统进行了综述,提出了一个 RLRS 框架,包括状态表示,策略优化,奖励制定和环境构建,并针对 RLRS 算法进行了调查,强调出现的主题并展示了各种图表。
Jan, 2021
本文详细调查了面向会话的推荐技术现有的方法,将这些方法按支持的用户意向或背景知识等维度分类,同时讨论了技术方法、CRS 的评估,以及未来需要更多研究的领域。
Apr, 2020
分析分布式在线推荐系统中的分散序列决策制定问题,针对分布式推荐系统中信息不对称的情况,通过协作性上下文问题模型解决,实现对推荐销售的最大收益。
Sep, 2013
通过使用词袋和基于神经网络的文档组合方法(Doc2Vec),本研究提出了产品、包装和健康三个标准的在线食品杂货推荐系统,通过使用这两种文档表示方法,在产品特性(成分、包装、营养表,过敏原等)等方面提供最佳的推荐,调查结果显示基于神经网络的 Doc2Vec 方法的表现更好且完全改变了结果。
Dec, 2023