【CIKM2019 Tutorial】Recommendation for Multi-Stakeholders and through Neural Review Mining，附158页PDF免费下载

推荐系统能够根据用户的偏好生成推荐项目的列表，而最终用户是这些传统系统中唯一的利益相关者。但是，在几个应用程序领域(例如电子商务、电影、音乐)可能有多个涉众。通过平衡不同利益相关者的需求来提出建议是必要的。本教程的第一部分介绍了多涉众推荐系统(MSRS)的几个案例研究，并讨论了MSRS中相应的方法和挑战。MSRS中目前的工作之一是基于实用价值的多利益相关者推荐模型，该模型利用多标准评级来构建实用价值函数。但是，在任何领域或应用程序中可能并不总是提供多标准评级或首选项。评论挖掘通常用于从文本或评论中提取用户偏好。它可能被用来推断项目不同方面的用户首选项。本教程的第二部分将介绍和讨论神经审查挖掘的建议。电子商务平台上的评论可以用来解决冷启动问题并生成解释。我们之前的教程介绍了对产品和主题模型/分布式表示的基于方面的情感分析，它们弥补了用户评论和产品描述之间的词汇差距。本教程第二部分的重点是介绍最近用于检查文本挖掘的神经方法--包括用于增强产品推荐的实际代码。每个部分将介绍各种机制(如注意力)和任务(如评论排名)视角下的主题，介绍前沿研究和使用真实数据集在Jupyter笔记上执行的程序的训练。

目录

• Recommendation for Multi-Stakeholders

  • 介绍与动机
  • 问题陈述和解决方案
  • 演示和质量检查

• Through Neural Review Mining

  • 背景
  • 冷启动
  • 基于方面的推荐/评论排名
  • 讲义演示
  • 评论/提示生成

源码链接：

https://github.com/vishalkakkar/CIKM_Tutorial