2021年第35届人工智能顶级会议AAAI论文列表已经放出,此次会议共收到9034篇论文提交,其中有效审稿为7911篇,最终录取篇数为1692篇,录取率为21.4%。由于境外疫情形势依然严峻,大会将在2月2日到2月9日在线上进行举办。
较之去年接收篇数1590篇来说,今年的录取数量有所提升。通过对今年所接收的全部论文的标题进行分析,发现以下结论:
深度学习技术依然是目前来看比较火热的技术之一;
图结构数据(网络/知识图谱)依然是大家比较关注的数据形式之一;
强化学习/对抗学习/多任务学习范式是大家主要使用的手段之一;
动态性/高效性/鲁棒性/无监督学习是目前大家比较关注的话题;
相较于去年的热度分布来看,Embedding技术/Attention技术相对来说热度有所下降。更多去年AAAI2020相关的信息可以移步AAAI2020推荐系统论文集锦。
AAAI2021接收论文标题词云
接下来,特意从1692篇论文中筛选出与推荐系统相关的33篇文章供大家欣赏(去年的推荐系统论文文章的比例为27/1590),提前领略学术前沿趋势与牛人的最新想法。
推荐系统相关文章
RevMan: Revenue-Aware Multi-Task Online Insurance Recommendation 收入感知的多任务在线保险推荐(很对,卖保险还真得看收入) |
Detecting Beneficial Feature Interactions for Recommender Systems 为推荐系统检测有益的特征(有用的交叉特征对于推荐来说非常重要) |
FedRec++: Lossless Federated Recommendation with Explicit Feedback 带有显式反馈的无损联邦推荐系统(好奇联邦学习范式如何做到无损的) |
Graph Heterogeneous Multi-Relational Recommendation 图异构多关系推荐系统(多种关系的异构图数据处理并不容易) |
Hierarchical Reinforcement Learning for Integrated Recommendation 层次化的强化学习综合推荐系统 |
Who You Would Like to Share With? A Study of Share Recommendation in Social ECommerce 社交电商中分享行为的研究(好奇是什么因素影响我们分享的) |
Self-Supervised Hypergraph Convolutional Networks for Session-Based Recommendation 用于会话推荐的自监督超图卷积网络(超图能够建模更复杂的图关系) |
Dual Sparse Attention Network for Session-Based Recommendation 用于会话推荐的双稀疏注意力网络 |
U-BERT: Pre-Training User Representations for Improved Recommendation 预训练BERT模型用于用户表示来提高推荐性能 |
Fairness-Aware News Recommendation with Decomposed Adversarial Learning 分解的对抗学习用于公平性的新闻推荐 |
Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation 知识增强的层级图Transformer网络用于多行为推荐 |
Cold-Start Sequential Recommendation via Meta Learner 基于元学习器的冷启动序列化推荐 |
A User-Adaptive Layer Selection Framework for Very Deep Sequential Recommender Models 用户自适应层筛选框架用于极深度序列化推荐模型 |
A Hybrid Bandit Framework for Diversified Recommendation 一个混合的Bandit框架用于多样化推荐 |
PREMERE: Meta-Reweighting via Self-Ensembling for Point-of-Interest Recommendation 通过自集成来进行元权重重调用于POI推荐 |
DEAR: Deep Reinforcement Learning for Online Advertising Impression in Recommender Systems 深度强化学习用于推荐系统中的在线广告印象中(Impression是在线广告中的专有词,大家可以具体查查) |
Noninvasive Self-Attention for Side Information Fusion in Sequential Recommendation 无创自注意力机制用于序列推荐中的附加信息融合 |
Knowledge-Enhanced Top-K Recommendation in Poincaré Ball 知识增强的Top-K推荐(Poincaré Ball是个什么Ball,不太懂) |
Out-of-Town Recommendation with Travel Intention Modeling 带有旅游意图建模的POI推荐 |
Learning to Recommend from Sparse Data via Generative User Feedback 通过生成式用户反馈来学习从稀疏数据进行推荐 |
Hierarchical Negative Binomial Factorization for Recommender Systems on Implicit Feedback 基于隐式反馈的递阶负二项式分解用于推荐系统 |
Disposable Linear Bandits for Online Recommendations 一次性线性Bandits用于在线推荐 |
Reinforcement Learning with a Disentangled Universal Value Function for Item Recommendation 带有解纠缠的普遍价值函数的强化学习用于项目推荐 |
Dynamic Memory Based Attention Network for Sequential Recommendation 动态记忆注意力网络用于序列化推荐 |
Asynchronous Stochastic Gradient Descent for Extreme-Scale Recommender Systems 异步随机梯度下降算法在极端尺度推荐系统中的应用 |
On Estimating Recommendation Evaluation Metrics under Sampling 关于采样情况下的推荐评价指标的估计 |
Knowledge-Aware Coupled Graph Neural Network for Social Recommendation 面向社交推荐的知识感知耦合图神经网络 |
Graph-Enhanced Multi-Task Learning of Multi-Level Transition Dynamics for Session-Based Recommendation 多层次动态过渡的图增强多任务学习用于会话推荐 |
Deep Transfer Tensor Decomposition with Orthogonal Constraint for Recommender Systems 基于正交约束的深度迁移张量分解算法 |
A General Offline Reinforcement Learning Framework for Interactive Recommendation 一个用于交互式推荐的通用离线强化学习框架 |
Intelligent Recommendations for Citizen Science 公民科学的智能推荐(公民科学指的是在科学家指导下的公民参与的众包平台项目) |
Degree Planning with PLAN-BERT: Multi-Semester Recommendation Using Future Courses of Interest 使用未来感兴趣的课程进行多学期推荐 |
Personalized Adaptive Meta Learning for Cold-Start User Preference Prediction 基于个性化自适应元学习的冷启动用户偏好预测 |
总结
近年来随着推荐系统这一研究方向被广泛研究,一些基本的研究点已经被研究的相当成熟(比如评分预测问题,近年来顶会中出现的次数明显减少;社会化推荐方向占有很小的比重);序列推荐/会话推荐/下一个项目推荐是研究的主要推荐场景;强化学习由于较好的匹配推荐场景得到了越来越多的关注;元学习由于可以处理小样本学习问题被广泛的应用在冷启动问题上;注意力机制在推荐中的应用也较为常见;本次列表中有三篇利用BERT来进行表示学习进而提高推荐性能。另外,放眼望去,满满的华人作者名字列表有些震撼。
已放出的论文pdf可前往以下链接获取(劳驾给个star鸭~)
https://github.com/hongleizhang/RSPapers/tree/master/00-Latest_RS_papers/AAAI2021