KDD2020推荐系统论文聚焦

前言

ACM SIGKDD（国际数据挖掘与知识发现大会，简称KDD）是数据挖掘领域的最高级别的学术会议，由ACM的数据挖掘及知识发现专委会（SIGKDD）主办，是CCF A类会议。其中今年的Research Track接受率为216/1279=16.8%。

推荐系统论文列表

这次整理的推荐系统论文列表分为了Research Track和Applied Data Science Track，即面向研究型的学术论文和面向工业界的实践论文。

Research Track Papers

研究赛道的论文主要是按照推荐子领域来划分，比如序列化推荐、对话推荐系统、冷启动问题、协同过滤、推荐效率问题等。从以下比例可以看出，序列化推荐和对话推荐系统是研究的热点问题，这其实也很容易理解，推荐其实是个天然的序列问题，即建模用户的一系列行为同时返回一系列个性化的物品序列；同时，推荐系统也自然的引入对话机制，因为传统的推荐是静态的，用户只能被动的接受着推荐系统返回的结果列表，引入对话交互机制后，能很好的优化推荐系统。

Sequential RS

• Disentangled Self-Supervision in Sequential Recommenders

• Counterfactual Evaluation of Slate Recommendations with Sequential Reward Interactions

• Geography-Aware S