AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文:https://www.aminer.cn/topic
论文集地址:https://www.aminer.cn/topic/6013e2c592c7f9be21c3d02e
随着信息技术和互联网行业的发展,信息过载成了人们处理信息的挑战。对于用户而言,如何在以指数增长的资源中快速、准确地定位到自己需要的内容是一个非常重要且极具挑战的事情。对于商家而言,如何把恰当的物品及时呈现给用户,从而促进交易量和经济增长,也是一件颇具难度的事情。推荐系统的诞生极大地缓解了这个困难。针对通用推荐系统的研究聚焦于用户和商品的交互记录,而不考虑用户和商品本身的信息,传统的方法中,矩阵分解一定程度上解决了该问题,近年来随着深度学习技术的发展,神经协同过滤等一系列模型的提出,在该问题上取得了更好的效果。
该论文集共收录37篇论文,最高引用数是8121,来自谷歌的Yehuda Koren在该领域发表了6篇论文,在所有学者中最多。
订阅了解更多论文信息,定制您的个人科研动态信息流:https://www.aminer.cn/user/notification?f=mt