- WSDM跨领域推荐的用户偏好个性化迁移
提出了一种名为个性化用户偏好传递跨域推荐的新框架，在现有的基于特征桥的方法的基础上，使用元网络来为每个用户生成个性化的桥函数，以此实现每个用户偏好的个性化传递。使用大型真实数据集进行了实验验证新框架的有效性。
- CVPR工业异常检测中的全面回顾
本文提出了一种名为 PatchCore 的方法，它使用最具代表性的内存库来实现商标标准化的图像检测和本地化。PatchCore 在 MVTec AD 挑战赛中实现了高达 99.6％的图像级异常检测 AUROC 分数，并在其他两个数据集中取得 - SIGIR使用元尺度偏移网络学习为冷启动推荐热身物品嵌入
采用 Meta Scaling and Shifting 网络生成各个 item 的缩放和移位函数，提出了 Meta Warm Up Framework (MWUF) 作为一个通用框架来加速冷启动项目的模型拟合和降低数据噪音的影响，并在三个 - 为冷启动用户和物品预训练图神经网络的表示
通过预训练 Graph Neural Networks 模型来解决冷启动问题，采用元聚合器和自适应邻居采样器来增强图卷积的聚合能力和选择有效邻居，实验结果表明在用户 / 项目嵌入推断和推荐任务方面优于原始的 GNN 模型。
- AAAI元学习器冷启动的序列推荐
提出一个元学习的序列推荐框架 Mecos 解决冷启动问题，可以从有限的交互中提取用户偏好，与神经网络模型轻松集成，实验证明比其他基线方法表现更好。
- MM基于视觉偏好模型的服装推荐冷启动问题解决方案
本文针对新用户的冷启动问题，提出了一种基于图像偏好建模的方法，通过特征加权聚类来个性化场合导向的穿衣推荐，并证明了该方法在服装属性预测方面的优异性。
- SIGIR基于音乐收听和口味为冷启动用户推荐播客
研究使用用户的音乐消费行为来预测 Spotify 用户对超过 200,000 个播客的偏好，以解决推荐系统中的冷启动问题，并发现使用这种方法可以提高用户的媒体消费量。
- MAMO: 冷启动推荐的记忆增强元优化
该论文介绍了一种基于元学习和元优化的推荐系统解决方案，通过两个记忆矩阵来引导模型进行个性化参数初始化，并测试了该方法在两个常用推荐数据集上的可行性。
- 基于 Wasserstein 协同过滤的物品冷启动推荐
本文研究使用 Wasserstein 距离解决冷启动问题，在给定项目内容信息的情况下计算交互项目与冷启动项目之间的相似度，并进一步采用 Wasserstein 协同过滤（WCF）改善推荐性能。
- KDDMeLU: 冷启动推荐的元学习用户喜好估计器
本文提出了一种推荐系统，名为 MeLU，基于元学习方法，在用户冷启动状态下能够快速预测用户偏好并提供个性化推荐，其关键在于选择特异性证据进行预测，该方法成功优于其他两种比较模型并被用户研究实验所验证。
- 基于知识图谱上实体最短距离的基于内容的新闻推荐
本文提出了一种基于图遍历算法和命名实体的内容推荐系统的新权重机制，用于解决冷启动问题，实验结果表明该方法在推荐新闻文章时具有很好的相关性和性能。
- SIGIR通过学习如何学习 ID 嵌入，改善 CTR 预测来热身冷启动广告
本文提出了一种名为 Meta-Embedding 的元学习方法，通过先前学习的广告嵌入来生成新的广告 ID 的初始化嵌入，进而提高了 Click-through rate (CTR) 预测的性能，并通过实验结果证明了 Meta-Embedd - 推荐系统的领域间翻译模型
提出了一种基于生成对抗网络（GANs）、变分自动编码器（VAEs）和 Cycle-Consistency（CC）相结合的 D2D-TM 模型，用于解决多领域推荐系统在提取同构和散发特征方面遇到的问题，并证明其在性能优化方面超过了现有技术。
- 光谱协同过滤
本研究提出了一种利用谱域进行深度协同过滤的新模型 - Spectral Collaborative Filtering (SpectralCF)，能够在用户 - 物品二部图的谱域中直接进行学习，发挥图中的信息优势，解决协同过滤中的 “冷启动 - EMNLP学习在存在缺失模态的情况下进行推荐
本篇论文提出一种基于多模态学习和缺失数据补全的推荐系统框架 LRMM，通过利用 modality dropout 和 multimodal sequential autoencoder 算法可以更好地处理缺失的多模态信息和冷启动问题。实验结 - 音乐推荐的深度内容 - 用户嵌入模型
本文提出了一种深度内容 - 用户嵌入模型，它采用混合方法解决了冷启动问题，并考虑了不同模式数据的联合，同时在音乐推荐和音乐自动标记任务中，表现出了明显的优势。
- ACL针对情感分类的冷启动用户和产品关注
本文介绍了 Hybrid Contextualized Sentiment Classifier (HCSC)，包含两个模块：(1) 快速单词编码器；(2) 冷启动感知注意力机制。门控向量通过频率指导选择，使得共享向量如有必要就可以取代原始 - 基于内容的视频相关度预测挑战：数据，协议和基线
通过视频信息的音频、文字、帧和元数据等特征，预测视频的相关度，以提供个性化的推荐，并解决推荐系统中的新视频问题，其中 Hulu 在 ACM Multimedia Conference 2018 主办了挑战赛，提供了海量视频资源和基于真实系统 - 通过属性驱动的主动学习解决物品冷启动问题
在本篇论文中，我们提出了一种结合活跃学习与商品属性信息的新型冷启动推荐方法，该方法基于商品属性和用户的评价历史设计了有用的用户选择标准，并将该标准组合成选择用户的优化框架。通过利用反馈评分、用户先前评分和商品属性，我们为其他未被选中的用户生 - 基于叠加辅助的霍克斯过程随机优化
该研究考虑了学习多智能体 Hawkes 过程的问题，并提出了一种多样性驱动的叠加策略，该策略可以改善学习结果和收敛性能，进而在真实数据的顺序推荐系统中解决冷启动问题。