WSDM2021推荐系统论文集锦

---

2021年第14届国际网络搜索与数据挖掘会议WSDM将在2021年3月8日到12日于线上举行。今年此次会议共收到了603份有效投稿，最终录取篇数为112篇，录取率为18.6%。

作为主流的搜索与数据挖掘会议，论文的话题主要侧重于搜索、推荐以及数据挖掘领域，因此该会议大部分的接收论文的主题是围绕着信息检索与推荐系统来说的。若想了解去年WSDM相关信息可参考WSDM2020推荐系统论文清单。

该会议将举办一些围绕图神经网络、推荐、知识抽取、文本排序中的预训练技术、异常检测等Tutorials，其中可以重点关注下推荐中的偏置问题、实践中的个性化以及对话推荐系统教程等。

推荐系统相关文章

接下来，特意从112篇论文中筛选出与推荐系统强相关的33篇文章供大家欣赏，其中主题包括了序列推荐、社交推荐、图嵌入、食品推荐、冷启动问题、对话推荐、无偏推荐、CTR预估、推荐中的安全问题、强化学习推荐等，提前领略学术前沿趋势与牛人的最新想法。

Bipartite Graph Embedding via Mutual Information Maximization

Unbiased Learning to Rank in Feeds Recommendation

DeepLight: Deep Lightweight Feature Interactions for Accelerating CTR Predictions in Ad Serving

Pre-Training Graph Neural Networks for Cold-Start Users and Items Representation

Sparse-Interest Network for Sequential Recommendation

Alleviating Cold-Start Problems in Recommendation through Pseudo-Labelling over Knowledge Graph

Adapting User Preference to Online Feedback in Multi-round Conversational Recommendation

Beyond Point Estimate: Inferring Ensemble Prediction Variation from Neuron Activation Strength in Recommender Systems

Combating Selection Biases in Recommender Systems with A Few Unbiased Ratings

Denoising Implicit Feedback for Recommendation

Decomposed Collaborative Filtering: Modeling Explicit and Implicit Factors For Recommender Systems

Learning User Representations with Hypercuboids for Recommender Systems

Real-time Relevant Recommendation Suggestion

Explainable Recommendation with Comparative Constraints on Product Aspects

Bilateral Variational Autoencoder for Collaborative Filtering

Origin-Aware Next Destination Recommendation with Personalized Preference Attention

Practical Compositional Fairness: Understanding Fairness in Multi-Component Recommender Systems

Multi-Interactive Attention Network for Fine-grained Feature Learning in CTR Prediction

Enhancing Neural Recommender Models through Domain-Specific Concordance

An Efficient and Effective Framework for Session-based Social Recommendation

Popularity-Opportunity Bias in Collaborative Filtering

Towards Long-term Fairness in Recommendation

Causal Transfer Random Forest: Combining Logged Data and Randomized Experiments for Robust Prediction

Explanation as a Defense of Recommendation

Heterogeneous Graph Augmented Multi-Scenario Sharing Recommendation with Tree-Guided Expert Networks

A Black-Box Attack Model for Visually-Aware Recommenders

User Response Models to Improve a REINFORCE Recommender System