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