歡迎光臨
每天分享高質量文章

「推薦系統」領域近期有哪些值得讀的論文?| 每週論文清單


在碎片化閱讀充斥眼球的時代,越來越少的人會去關註每篇論文背後的探索和思考。

在這個欄目裡,你會快速 get 每篇精選論文的亮點和痛點,時刻緊跟 AI 前沿成果。


點選本文底部的「閱讀原文」即刻加入社群,檢視更多最新論文推薦。

這是 PaperDaily 的第 37 篇文章

Reinforcement Learning based Recommender System using Biclustering Technique

@Ttssxuan 推薦

#Reinforcement Learning

本文使用強化學習進行推薦,並藉助 biclustering 減少狀態和動作空間,最佳化效率和效果。

論文連結

https://www.paperweekly.site/papers/1571


Learning Continuous User Representations through Hybrid Filtering with doc2vec

@Ttssxuan 推薦

#doc2vec

本文將用行為使用 item 描述進行串連,構成檔案,並使用 doc2vec 訓練使用者表示向量。

論文連結

https://www.paperweekly.site/papers/1562


Deep Reinforcement Learning for List-wise Recommendations

@paperweekly 推薦

#Reinforcement Learning

本文將增強學習應用於推薦系統,構建了一個線上的 user-agent 互動模擬器,本文工作來自京東等。

論文連結

https://www.paperweekly.site/papers/1472


Leveraging Long and Short-term Information in Content-aware Movie Recommendation

@zhangjun 推薦

#Generative Adversarial Networks

本文提出了一種新穎的基於生成對抗網路的推薦系統,採用強化學習動態調整歷史長期偏好和短期會話的模型,此外,還加入了封面圖片特徵進一步提升系統效能,最後在兩個資料集上做到 state-of-art 的效能。

論文連結

https://www.paperweekly.site/papers/1435



Deep Collaborative Autoencoder for Recommender Systems: A Unified Framework for Explicit and Implicit Feedback

@zhangjun 推薦

#Autoencoder

本文給出了一個基於 Autoencoder 的推薦系統框架,同時兼顧顯式反饋和隱式反饋。

論文連結

https://www.paperweekly.site/papers/1432

Use of Deep Learning in Modern Recommendation System: A Summary of Recent Works

@luosha865 推薦

#Deep Learning

論文總結了 2013 年以來,最近 33 篇深度學習應用於推薦系統領域的文章。按照內容相關,協同過濾,混合方法分別進行介紹,可以作為不錯的索引。

論文連結

https://www.paperweekly.site/papers/1417



A Context-Aware User-Item Representation Learning for Item Recommendation

@paperweekly 推薦

#POI Recommendation

本文對使用者評論與商品評論進行互動式建模,透過識別與使用者和商品都相關的文字資訊,提取使用者商品聯合特徵,在 Amazon 五個打分預測資料集上均取得了優秀的效能。

論文連結

https://www.paperweekly.site/papers/1585

Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time

@luosha865 推薦

#Recommender System

本文介紹了 Pinterest 的 Pixie 系統,主要針對他們開發的隨機遊走和剪枝演演算法,此外系統本身基於 Stanford Network Analysis Platform 實現。

論文連結

https://www.paperweekly.site/papers/1437

Recommender Systems with Random Walks: A Survey

@zhangjun 推薦

#Random Walks

本文是一篇綜述文章,關於“隨機遊走”在推薦系統中的相關應用。

論文連結

https://www.paperweekly.site/papers/1132

Deep Learning Based Recommender System: a Survey and New Perspectives

@zhangjun 推薦

#Deep Learning

本文回顧了大部分推薦系統在深度學習上的方法,並對這些方法進行了宏觀的整合。讓我們瞭解了在推薦系統中,用深度學習的方法和傳統方法相結合的多種方法,可以給我們帶來一些新的啟發。

論文連結

https://www.paperweekly.site/papers/557



Auto-Encoding User Ratings via Knowledge Graphs in Recommendation Scenarios

@jojoe 推薦

#Recommender System

本文將電影與電影標簽之間的對映關係應用到 AutoEncoder 的可見層和隱層的連線中,將使用者對電影的打分情況作為訓練資料,使得最後得到的降維表示具有解釋性(使用者對電影標簽的偏好)。

論文連結

https://www.paperweekly.site/papers/1256

A Deep Multimodal Approach for Cold-start Music Recommendation

@jojoe 推薦

#Recommender System

本文結合音頻和文字來進行歌曲推薦,只要給定一首歌就可以進行相關推薦,非常實用。

論文連結

https://www.paperweekly.site/papers/1209

本文由 AI 學術社群 PaperWeekly 精選推薦,社群目前已改寫自然語言處理、計算機視覺、人工智慧、機器學習、資料挖掘和資訊檢索等研究方向,點選「閱讀原文」即刻加入社群!

我是彩蛋 


 解鎖新功能:熱門職位推薦!

PaperWeekly小程式升級啦

今日arXiv√猜你喜歡√熱門職位

找全職找實習都不是問題

 

 解鎖方式 

1. 識別下方二維碼開啟小程式

2. 用PaperWeekly社群賬號進行登陸

3. 登陸後即可解鎖所有功能

 職位釋出 

請新增小助手微信(pwbot01)進行諮詢

 

長按識別二維碼,使用小程式

*點選閱讀原文即可註冊

關於PaperWeekly


PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平臺。如果你研究或從事 AI 領域,歡迎在公眾號後臺點選「交流群」,小助手將把你帶入 PaperWeekly 的交流群裡。


贊(0)

分享創造快樂