2018 推荐系统总结

搜索:recsys 2018 总结
Recsys2018 总结 (推荐系统最新技术、应用和方向)32篇论文解读
https://blog.csdn.net/lthirdonel/article/details/83627900

2018 年最全的推荐系统干货(ECCV、CVPR、AAAI、ICML)
https://www.ctolib.com/topics-134912.html

RecSys2018会议总结
https://www.jianshu.com/p/282d1e90aaf9

推荐系统顶会RecSys 2018论文及代码集锦(1)
https://www.doc11.com/p/7669.html
推荐系统顶会RecSys 2018论文及代码集锦(2)
https://www.doc11.com/p/8217.html

ACM recsys十年回顾(转载)
https://www.deeplearn.me/1806.html

相关学者
1、Yehuda Koren
个人主页:Koren’s HomePage
主要贡献:Netflix Prize的冠军队成员,是推荐系统领域的大神级人物,现就职于雅虎
代表文献:Matrix Factorization Techniques For Recommender Systems

2、Hao Ma
个人主页:HaoMa’s HomePage
主要贡献:社会化推荐领域的大牛,提出了许多基于社会化推荐的有效算法,现就职于微软
代表文献:SoRec: Social Recommendation Using Probabilistic Matrix Factorization

3、郭贵冰
个人主页:Guibing Guo’s HomePage
主要贡献:国内推荐系统大牛,创办了推荐系统开源项目LibRec
代表文献:TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings

4、Hao Wang
个人主页:HaoWang’s HomePage
主要贡献:擅长运用深度学习技术提高推荐系统性能
代表文献:Collaborative deep learning for recommender systems

5、何向南
个人主页:Xiangnan He’s Homepage
主要贡献:运用深度学习技术提高推荐系统性能
代表文献:Neural Collaborative Filtering

6、Robin Burke
个人主页:rburke’s HomePage
主要贡献:混合推荐方向的大牛
代表文献:Hybrid recommender systems: Survey and experiments

7、项亮
主要贡献:国内推荐系统领域中理论与实践并重的专家,Netflix Prize第二名
代表文献:《推荐系统实践》。

8、石川
个人主页:shichuan’s HomePage
主要贡献:研究方向为异质信息网络上的推荐,提出了加权的异质信息相似度计算等
代表文献:Semantic Path based Personalized Recommendation on Weighted Heterogeneous Information Networks

展开阅读全文
©️2020 CSDN 皮肤主题: 大白 设计师: CSDN官方博客 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值