关于推荐系统，RecSys 2019大会都讨论了什么？（附论文下载）

第四范式天枢

于 2019-10-10 18:49:38 发布

阅读量1.6k

点赞数

分类专栏：技术研讨文章标签：推荐系统深度学习可再现性

本文链接：https://blog.csdn.net/FirstCilck/article/details/102488479

版权

2019年的推荐系统大会（Recsys）关注推荐系统的社会影响、可重现性、多目标优化等议题。大会强调了推荐系统在GDPR背景下对透明度的需求，探讨了在线行为如何影响算法偏差，并介绍了优化多目标的帕累托效率算法。此外，还讨论了从隐式反馈中学习、基于内容的推荐等方法，以应对冷启动问题。

摘要由CSDN通过智能技术生成

关键词：推荐系统、深度学习、以用户为中心、可再现性和多任务处理

2019年的推荐系统大会（Recsys）于今年的9月份在丹麦哥本哈根举行，来自世界各地的909位专家、学者参与了此次会议，迄今为止规模最大的一次。大会涵盖了与推荐系统相关的主题，从推荐系统的社会影响到搭建推荐系统所用的算法。

今年，除了从算法和方法的角度来看待“推荐系统”这一领域外，我们还通过发现、解决推荐系统中存在的问题来进一步认识这一领域的发展。这次会议的参会人员中还出现了社会科学家的身影。这在提醒我们，推荐系统这种技术正在影响着我们的生活，影响着人们的信息互动、娱乐消费。有句话说得好，“能力越大，责任越大”。作为技术人员，我们不仅要对用户负责，还要对和我们一起共事的同事负责。接下来的章节我们会详细地介绍这些问题，以及一些算法和应用程序。

社会影响

今年的大会特别强调了推荐系统的综合性和社会影响。第一位主题演讲人Mireille Hildebrandt谈到了GDPR如何改变经营者的动机，即谁能决定广告商或发布者等人的处理目的和处理方式，让其除了从盈利的角度出发进行优化外，还要考虑透明度和更好的方法。（注：GDPR，General Data Protection Regulation，即《通用数据保护条例》，2018年5月由欧盟出台，目的在于遏制个人信息被滥用，保护个人隐私）

第二位主题演讲者Eszter Hargittai谈到了人们的在线行为，不同平台之间人们在线行为的差异以及人们的在线行为是如何导致算法出现偏差的。最后，小组讨论了如何建立对社会负责的推荐系统的问题。