2018 推荐系统总结

搜索：recsys 2018 总结
Recsys2018 总结（推荐系统最新技术、应用和方向）32篇论文解读
https://blog.csdn.net/lthirdonel/article/details/83627900

2018 年最全的推荐系统干货（ECCV、CVPR、AAAI、ICML）
https://www.ctolib.com/topics-134912.html

RecSys2018会议总结
https://www.jianshu.com/p/282d1e90aaf9

推荐系统顶会RecSys 2018论文及代码集锦(1)
https://www.doc11.com/p/7669.html
推荐系统顶会RecSys 2018论文及代码集锦(2)
https://www.doc11.com/p/8217.html

ACM recsys十年回顾(转载)
https://www.deeplearn.me/1806.html

相关学者
1、Yehuda Koren
个人主页：Koren’s HomePage
主要贡献：Netflix Prize的冠军队成员，是推荐系统领域的大神级人物，现就职于雅虎
代表文献：Matrix Factorization Techniques For Recommender Systems

2、Hao Ma
个人主页：HaoMa’s HomePage
主要贡献：社会化推荐领域的大牛，提出了许多基于社会化推荐的有效算法，现就职于微软
代表文献：SoRec: Social Recommendation Using Probabilistic Matrix Factorization

3、郭贵冰
个人主页：Guibing Guo’s HomePage
主要贡献：国内推荐系统大牛，创办了推荐系统开源项目LibRec
代表文献：TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings

4、Hao Wang
个人主页：HaoWang’s HomePage
主要贡献：擅长运用深度学习技术提高推荐系统性能
代表文献：Collaborative deep learning for recommender systems

5、何向南
个人主页：Xiangnan He’s Homepage
主要贡献：运用深度学习技术提高推荐系统性能
代表文献：Neural Collaborative Filtering

6、Robin Burke
个人主页：rburke’s HomePage
主要贡献：混合推荐方向的大牛
代表文献：Hybrid recommender systems: Survey and experiments

7、项亮
主要贡献：国内推荐系统领域中理论与实践并重的专家，Netflix Prize第二名
代表文献：《推荐系统实践》。

8、石川
个人主页：shichuan’s HomePage
主要贡献：研究方向为异质信息网络上的推荐，提出了加权的异质信息相似度计算等
代表文献：Semantic Path based Personalized Recommendation on Weighted Heterogeneous Information Networks

2018 推荐系统总结相关推荐

【阅读笔记】项亮前辈的《推荐系统实战》
推荐系统是个有意思的方向.项亮前辈的<推荐系统实战>来当作入门的第一本书还是很合适的,这段时间在断断续续的抽空阅读了一遍.本书写的浅显易懂,很好的勾勒出了推荐引擎十年前的主流算法,以及工业 ...
工业界推荐_Industrial RS(4)
Industrial RS Huawei Huifeng et al. DeepFM: A Factorization-Machine based Neural Network for CTR Pre ...
【推荐与广告】积累与发现
文章目录特征计算广告业务计费方式竞价策略评价指标广告归因综合介绍 DMP 推荐算法概述协同过滤深度推荐矩阵分解 SVD LFM 分解机文本主题模型基于图的推荐排序学习简介 ...
工业界推荐_Industrial RS(5)
Industrial RS Meituan Hongwei et al. Knowledge-aware Graph Neural Networks with Label Smoothness Reg ...
这5大研究热点可能会改变个性化推荐系统的未来2018
时间 | 2018-11-29 作者 | 微软亚洲研究院社会计算组编辑 | Natalie AI 前线导读: 本文将从深度学习的应用.知识图谱的应用.强化学习的应用.用户画像.可解释推荐等几个方面切 ...
2018年最全的推荐系统干货（ECCV、CVPR、AAAI、ICML）
最近总有几位关注者希望我们可以分享一些"推荐系统"类的干货,最近正好一不小心看到一篇比较好的博主写的推送,在此我通过自己理解和该博主的内容,为大家带来一次推荐系统的分享! 前言随 ...
RippleNet：知识图谱与推荐系统联合学习 CIKM 2018
论文链接:https://arxiv.org/pdf/1803.03467.pdf 代码链接:https://github.com/qibinc/RippleNet-PyTorch 参考文档:http ...
Comprehensive Guide to build a Recommendation Engine from scratch (in Python) / 从0开始搭建推荐系统...
https://www.analyticsvidhya.com/blog/2018/06/comprehensive-guide-recommendation-engine-python/, 一篇详细 ...
推荐系统发展的六大影响因子 | 深度
作者丨gongyouliu 来源 | 大数据与人工智能(ID: ai-big-data) 随着科学技术的进步,移动互联网快速发展,手机越来越便宜,拥有智能手机不再是一件遥不可及的事情,互联网用户规模已 ...
混合推荐系统就是多个推荐系统“大杂烩”吗？
作者丨gongyouliu 编辑丨zandy [导读]在本篇文章中,我们会介绍混合推荐系统(Hybrid Recommender Systems),就是利用多种推荐算法配合起来做推荐,期望避免单个推荐 ...

2018 推荐系统总结

2018 推荐系统总结相关推荐

最新文章

热门文章