- EMNLP基于知识的推荐对话系统
本文提出了一种新的端到端框架，称为 KBRD，它将推荐系统和对话生成系统结合在一起。实验结果表明，我们提出的模型在对话生成和推荐方面均具有显著优势，并且这两个系统可以互相促进。
- 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。
- KDD基于话题增强记忆网络的个性化兴趣点推荐
本论文提出了一种基于主题增强的记忆网络和地理模块相结合的深度架构，以及一种新的 POI 推荐算法，该算法可以捕获用户复杂的偏好和细粒度的用户 - POI 关系，具有良好的效果。
- WSDM基于顺序变分自编码器的协同过滤
本文中我们提出了一种基于循环神经网络的变分自编码器模型，用于建模用户偏好，并且通过处理时间信息以改善精度。我们的模型可以捕捉用户消费序列中的时间依赖关系，并保持变分自编码器的基本特征。
- SIGIRSocialGCN：一种基于图卷积网络的高效社交推荐模型
本文提出了一种基于图卷积神经网络的社交推荐模型，通过捕捉信息在社交网络中的扩散进程来影响用户偏好，使得模型在两个真实数据集上展现出了很好的性能。
- 用于长短期顺序推荐的循环神经网络
本篇研究探讨了 RNN 模型在短期和长期的推荐任务中的表现，发现堆叠的带有层归一化和相同物品嵌入的 RNN 模型表现最佳，能够准确预测用户的短期和长期交互。
- ACL使用方面抽取方法生成评论摘要和用户配置文件
本研究评估了一个新提出的神经模型在提取评论方面的可行性，结果表明该模型能够从用户评论中准确识别和提取各个方面并生成用户偏好的基于方面的概要。
- 您是否希望您的自动驾驶汽车像您一样驾驶？
本研究测试了用户对自动驾驶汽车采用何种驾驶风格的偏好，并发现用户倾向于更为保守的驾驶风格。研究结果表明，用户对于所处的具体驾驶情境有不同的偏好，为学习个性化驾驶风格提供了新的契机。
- NIPS模型可解释性的人类评估的挑战与机遇
本文提出了 “描述性解释” 和 “说服性解释” 的区别，讨论了功能解释与认知功能和用户偏好可能相关的推理，并提出了两个研究方向来消除认知功能和解释模型之间的歧义，保持准确性和可解释性之间的权衡控制。
- ACL可控抽象摘要
本文提出了一种神经摘要模型，能够通过简单而有效的机制实现用户对文本长度、风格、感兴趣的实体等高级属性的控制，以生成符合用户需求的高质量摘要，并在 CNN-Dailymail 数据集上优于现有的自动化系统和人工评价。
- NIPS通过用户实验使用适应的 Cox 模型学习可解释性的可视化
该研究使用基于用户的方法来结合和评估质量措施，以更好地模拟用户偏好，结果表明邻域保护措施优于集群可分性措施，并且结合措施而不是仅使用单个措施进一步提高了预测性能。
- 使用复合泊松分解的动态协同过滤
本文提出了一种基于复合泊松矩阵分解的共轭数值稳定动态矩阵分解（DCPF）方法，用于建模平滑漂移的潜在因素和预测未来的用户 - 项交互，通过 Netflix、Yelp 和 Last.fm 等数据集的测试，DCPF 模型的预测准确性优于目前流行 - Sherlock: 视觉感知一类协同过滤的稀疏分层嵌入
为建立成功的推荐系统，我们需要针对用户偏好和物品属性描述寻找关键维度，其中在像服装推荐等领域，将用户偏好解释为建模所需的物品的视觉外观也使得推荐变得更具挑战性，因此本论文提出了一种采用新型层次嵌入结构，可以同时考虑高层次（颜色、暗度等）和微 - MM用户偏好建模与学习对于美观相片拼贴生成
本文讨论如何自动化地生成美观的照片拼贴画，利用主观实验来学习和建模用户偏好，设计了一个实验框架来识别生成美观照片拼贴画需要考虑的标准，使用五个不同的主题照片数据集创建拼贴画，并通过考虑到用户对它们的偏好来学习新的全局和局部标准。经过多次心理 - NIPS通过迭代改进学习机械臂的运动轨迹偏好
本文介绍了一种基于协同在线学习框架的方法，通过给机器人提供用户轨迹的偏好反馈而不是直接演示最优轨迹来教授其物体操作任务，理论上说明了该方法的可行性并在多项超市结帐任务中验证了其普适性。
- 高维线性赌博机和推荐系统
该研究使用线性参数化多臂赌博机模型来提高在线服务推荐新产品、视频、歌曲和广告的效果，得到了能够满足用户喜好探索和系统数据调查的解决方案，并在 Netflix 和 MovieLens 数据集上进行了测试。
- 协同过滤的基于偏好的图形模型
本文研究和提出了两种新的图形模型，解决了用户偏好和评分之间的区别问题，通过两个电影评分数据集的实证研究，证明了明确建模用户偏好对于协同过滤非常重要，但是不能完全忽略评分信息。
- 利用示例批判和建议进行基于偏好的搜索
本文探讨了交互式工具＂例子批判＂来帮助用户在大量选项中快速找到最合适的物品，并介绍了通过基于用户当前的喜好模型和潜在的隐藏喜好来计算建议来改善该技术的新技术。用合成和真实用户进行性能评估，结果表明，这些建议对用户非常吸引人，可以刺激他们表达 - 面向会话推荐的个性化系统
创建个性化辅助，将个性化推荐系统和对话系统的优势相结合，并通过即时对话获取用户个人偏好，帮助用户更快、更准确地找到满意的物品，比传统的非自适应版本的系统交互次数更少，时间更短。
- CP-nets: 表示和推理条件下等价偏好声明的工具
本文提出一种 qualitatively graphical representation，可反映 under ceteris paribus 条件下偏好陈述语的条件依赖和独立性，进而用于多种推理任务。