推荐系统领域相关知识总结

研究推荐系统这个方向有一段时间了，现讲这个方向的科研大牛与顶会信息总结如下。

推荐系统一般属于数据分析与挖掘、信息检索的一个应用子领域。

信息检索( Information Retrieval )指信息按一定的方式组织起来，并根据信息用户的需要找出有关的信息的过程和技术。信息检索的目标：准确、及时、全面的获取所需信息。

一、推荐系统领域大牛人物

1、国内

（1）何向南 （中国科学技术大学）

2020年9月获得阿里巴巴达摩院青橙奖，个人主页：http://staff.ustc.edu.cn/~hexn/

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

 

 

（2）赵鑫（中国人民大学）

AI Box小组，个人主页：http://aibox.ruc.edu.cn/

（3）任昭春（山东大学）

来自山东大学信息检索实验室（http://ir.sdu.edu.cn/index.htm），马军、陈竹敏、任昭春都是这个课题组。

任老师主页：http://ir.sdu.edu.cn/~zhaochunren/

（4）郭贵冰

东北大学软件学院，从新加坡南洋理工大学回国。个人主页：https://guoguibing.github.io/

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

（5）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》。

（6）李晨亮

武汉大学国家网络安全学院，个人主页：http://lichenliang.net/zh.html

（7）谢幸、王希廷（微软亚洲研究院）

谢幸主页：https://www.microsoft.com/en-us/research/people/xingx/representative-publications/

（8）张永锋、陈旭（清华大学张敏、马少平课题组）

他们对可解释推荐研究颇深。

（9）张伟楠（上海交通大学）

个人主页：http://wnzhang.net/

（10）陈恩红、刘淇（中国科学技术大学）

团队主页：http://dm.ustc.edu.cn/

（11）王鑫（清华大学）

个人主页：http://media.cs.tsinghua.edu.cn/~wangx/

王鑫获得了腾讯犀牛鸟精英人才培养计划课题资助

2020腾讯犀牛鸟精英人才培养计划课题介绍（九）——信息检索和推荐系统

（12）辛欣（北京理工大学）

个人主页：http://cs.bit.edu.cn/szdw/jsml/fjs/xx/index.htmhttp://cs.bit.edu.cn/szdw/jsml/fjs/xx/index.htm

（13）汪军（伦敦大学）

强化学习做的也很好。

个人主页：http://www0.cs.ucl.ac.uk/staff/Jun.Wang/

（14）杨晓春（东北大学）

个人主页：http://www.cse.neu.edu.cn/2019/0312/c6641a157517/page.htm

（15）林鸿飞（大连理工大学）

个人主页：http://faculty.dlut.edu.cn/linhongfei/zh_CN/index.htm

（16）贾珈（清华大学）

（17）刘康（中科院自动化所）

（18）王晓玲（华东师范大学）

个人主页：https://faculty.ecnu.edu.cn/_s16/wxl2/main.psp

（19）杨敏（中国科学院大学深圳先进技术研究院数字所）

个人主页：https://minyang.me/      http://people.ucas.edu.cn/~minyang3

---

2、国外

（1）Julian McAuley（加利福尼亚大学圣迭戈分校）

个人主页：https://www.researchgate.net/scientific-contributions/2146597485-Julian-McAuley

主要贡献：研究方向为社交网络、数据挖掘、推荐系统

代表文献：Leveraging social connections to improve personalized ranking for collaborative filtering

（2）董瑞海（School of Computer Science in University College Dublin）

个人主页：https://people.ucd.ie/ruihai.dong/about

（3）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，曾就职雅虎，现就职于谷歌

代表文献：Matrix Factorization Techniques For Recommender Systems

（4）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

（5）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

（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)Steffen Rendle

谷歌的推荐系统大佬

代表作：Factorization Machines 他提出了因子分解机

个人主页：https://dl.acm.org/profile/81321497327

二、顶级会议

SIGIR、CCIR（信息检索）

ACL、NLPCC（自然语言处理）

IJCAI（人工智能）

 

参考链接

1、国内推荐系统做的比较好的实验室、机构、学者有哪些？

2、ACL-IJCAI-SIGIR顶级会议论文报告会（AIS2020）成功在线举办

3、兰艳艳（中科院计算所）：SIGIR十年趋势（附视频）