LibRec 每周精选:10篇每个人都应该读的RecSys文章

2018 年 1 月 1 日 LibRec智能推荐 郭贵冰

2018,新年了!祝大家元旦快乐,身体健康,事业有事,家庭和睦!


本周的 LibRec 精选内容如下:

  • 10篇每个人都应该读的RecSys文章,以下5篇占了RecSys论文引用的12%。

    • Performance of recommender algorithms on top-n testing tasks , 2010. Authors: Paolo Cremonesi , Yehuda Koren , Roberto Turrin

    • Trust-aware recommender systems , 2007. Authors: Paolo Massa , Paolo Avesani

    • A matrix factorization technique with trust propagation for recommendation in social networks  , 2010. Authors: Mohsen Jamali , Martin Ester

    • Multiverse recommendation: n-dimensional tensor factorization for context-aware collaborative filtering  , 2010. Authors: Alexandros Karatzoglou , Xavier Amatriain , Linas Baltrunas , Nuria Oliver

    • Hidden factors and hidden topics: understanding rating dimensions with review text , 2013. Credit: Julian McAuley , Jure Leskovec

  • 10篇每个人都应该读的RecSys文章,以下5篇是自2009年以来最好的Best Paper论文。

    • Modeling the Assimilation-Contrast Effects in Online Product Rating Systems: Debiasing and Recommendations , 2017. Authors: X. Zhang, J. Zhao, JCS Lui

    • Local Item-Item Models for the Top-N Recommendation , 2016. Authors: E. Christakopoulou and G. Karypis

    • Context-Aware Event Recommendation in Event-based Social Networks , 2015. Authors: A. Macedo, L. Marinho and R. Santos

    • Beyond Clicks: Dwell Time for Personalization , 2014. Authors: X. Yi, L. Hong, E. Zhong, N. Nan Liu and S. Rajan

    • A Fast Parallel SGD for Matrix Factorization in Shared Memory Systems , 2013. Authors: Y. Zhuang, W. Chin, Y. Juan and C. Lin (Best Paper)

  • ACM RecSys 10年总结 by Alan Said: http://www.alansaid.com/conferences/recsys/recsys-2017/ 

  • 深度学习在推荐系统中的应用:https://medium.com/@libreai/a-glimpse-into-deep-learning-for-recommender-systems-d66ae0681775

  • IFUP 2018论文:基于深度学习的 job recommendation, https://arxiv.org/abs/1711.07762 

  • ECIR 2018论文:Time-aware novelty metrics for recommender systems,论文:https://t.co/O8EsX4nk5J,代码:https://t.co/O8EsX4nk5J

  • 基于Word2Vec的音乐推荐系统:https://towardsdatascience.com/using-word2vec-for-music-recommendations-bb9649ac2484


多说两点:

  • 不少朋友关心新版本的LibRec发布时间,开发团队初步预定在农历新年之前。目前团队在紧张地开发多个模块,在各模块开发完成后,还需要时间进行模块的联调、测试等,请大家耐心等待。

  • LibRec 新版发布后,开发团队将尝试建立Python接口、增加NLP支持、封装整体解决方案、试水商业应用等多个方面继续提升 LibRec 。有相关技能和兴趣的个人或公司,欢迎与我们联系。



登录查看更多
5

相关内容

近期必读的5篇顶会WWW2020【推荐系统】相关论文-Part2
专知会员服务
68+阅读 · 2020年4月7日
专知会员服务
109+阅读 · 2020年3月12日
LibRec 精选:你见过最有趣的论文标题是什么?
LibRec智能推荐
4+阅读 · 2019年11月6日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
LibRec 精选:从0开始构建RNN网络
LibRec智能推荐
5+阅读 · 2019年5月31日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
LibRec 精选:推荐系统9个必备数据集
LibRec智能推荐
6+阅读 · 2018年3月7日
LibRec 每周精选:近期推荐系统论文及进展
LibRec智能推荐
30+阅读 · 2018年2月5日
Arxiv
3+阅读 · 2018年10月25日
Next Item Recommendation with Self-Attention
Arxiv
5+阅读 · 2018年8月25日
Arxiv
6+阅读 · 2018年2月7日
Arxiv
7+阅读 · 2018年1月31日
Arxiv
6+阅读 · 2017年12月2日
VIP会员
相关VIP内容
近期必读的5篇顶会WWW2020【推荐系统】相关论文-Part2
专知会员服务
68+阅读 · 2020年4月7日
专知会员服务
109+阅读 · 2020年3月12日
相关资讯
LibRec 精选:你见过最有趣的论文标题是什么?
LibRec智能推荐
4+阅读 · 2019年11月6日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
LibRec 精选:从0开始构建RNN网络
LibRec智能推荐
5+阅读 · 2019年5月31日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
LibRec 精选:推荐系统9个必备数据集
LibRec智能推荐
6+阅读 · 2018年3月7日
LibRec 每周精选:近期推荐系统论文及进展
LibRec智能推荐
30+阅读 · 2018年2月5日
Top
微信扫码咨询专知VIP会员