推荐系统论文阅读笔记

分享一些最新的论文阅读笔记

《Overcoming Data Sparsity in Group Recommendation》

目的：给一组用户进行推荐。
主要问题：怎样聚合个人的喜好来推断一个组的决策。
已有工作：传统的组推荐方法使用预先定义的聚合策略。
缺点：静态，不能建模复杂的组决策过程。
本文：利用二分图嵌入模型（建模组-项目之间的关系），自注意机制（解决用户-项目交互稀疏的问题，利用用户的社交网络增强用户的特征学习）和图卷积网络，学习组和用户的喜好。
背景：随着智能手机，社交网络服务的发展，人们很容易形成一个永久或者临时的组（比如家人一块看电视，朋友一块旅游）。因此需要组推荐系统。与永久的组不同的地方在于，临时的组是指一些偶尔一起做事的人，比如吃饭、看电影、参加聚会等，会面临冷启动问题。

《Dual Attention Model for Citation Recommendation》

目的：为学术论文推荐引文。
主要问题：引文推荐与topic有关，包括词语和被引文章的相关性和重要性，以及作者目前研究章节的目的。
已有工作：谷歌学术，dblp通过关键字查找。
缺点：没有考虑到关键字的上下文。
本文：为引文推荐提出了双注意模型，获得单词和被引文章相关性和重要性。两个注意机制：自注意&#