前言
在今年2月份召开的WSDM是检索和推荐领域的重要会议,虽然只是CCF定义的B类会议,但是却也是推荐方向研究者需要重点关注的。之前分享的一篇关于利用对抗技术来权衡推荐精度与用户隐私的文章就出自于WSDM2020。2021年的WSDM又开始征集稿件了,为了更好的展望未来,我们立足于过去,对2020年WSDM的论文接收列表进行了分析,如下图所示
![](https://i-blog.csdnimg.cn/blog_migrate/b76b01bd3af0137dba50f3a6b9d8ba91.png)
持续关注我们会议聚焦的同学们应该能够看出,WSDM2020的关键词的热度分布和上周分享的SIGIR2020推荐系统论文聚焦如出一辙,推荐(Recommendation)所占的比重是最大的,使用图与网络(Graph/Network)的方式进行数据进行组织,再通过神经网络(Neural)学习出用户(User)的表示(Embedding)。怎么样,是不是熟悉的配方熟悉的味道呢?
![](https://i-blog.csdnimg.cn/blog_migrate/d9478883f38e23154cbe7611ded26664.png)
革命尚未成功,同志仍需努力。时间已经来到了6月中旬,2021年WSDM的截稿日期又在眼前了。有感于继后浪之后快手推出的《看见》—— 纵使生活总是从一个deadline到另一个due,不要冷漠的走入任何未经检验的算法。要相信灵感值得一试,只要你热爱它。如果非要对科研有态度:加油,奥利给!你比你想象中,更接近中稿。
具体的文章还需要同学们自己去阅读消化,在后台回复【WSDM2020】,即可获得下列论文列表的PDF包。
推荐论文列表
Addressing Marketing Bias in Product Recommendations. Mengting Wan, Jianmo Ni (University of California San Diego, United States); Rishabh Misra (Twitter, United States); Julian McAuley (University of California San Diego, United States).
ADMM SLIM: Sparse Recommendations for Many Users. Harald Steck, Maria Dimakopoulou, Nickolai Riabov (Netflix, United States); Tony Jebara (Spotify & Columb