最新最全论文合集——工业级推荐系统

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/6013e33292c7f9be21c45dd0

在移动互联网时代，数据极大丰富，但同时也导致人们获取有效信息的效率降低，即信息过载。推荐系统能够主动地、个性化地推送用户感兴趣的信息从而极大缓解信息过载问题，也因此成为移动互联时代发展最快、应用最广泛的技术之一。与搜索引擎相比，推荐场景下用户主动表达信息少，意图不明确，如何结合用户多维度信息，有效建模用户兴趣点是非常有挑战性和价值的问题。在超大规模数据场景中，工业级推荐系统主要包含两个核心阶段，召回阶段和排序阶段。召回阶段从超大规模候选库中快速选出用户可能感兴趣的候选物品集合，要求在几十毫秒内完成从亿级别候选物品中快速选出数千兴趣候选集合。排序阶段对召回候选集进行精准打分，准确预估用户对目标物品的点击率，进而将用户最感兴趣的内容进行呈现。

该论文集共收录56篇论文，最高引用数是1022，来自微软亚洲研究院研究院的谢幸在该领域发表了7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