推荐系统干货总结

前言

推荐系统是一个相当火热的研究方向,在工业界和学术界都得到了大家的广泛关注。希望通过此文,总结一些关于推荐系统领域相关的会议、知名学者,以及做科研常用的数据集、代码库等,一来算是对自己涉猎推荐系统领域的整理和总结,二来希望能够帮助想入门推荐系统的童鞋们提供一个参考,希望能够尽快上手推荐系统,进而更好更快的深入科研也好、工程也罢。

相关会议

对于推荐系统领域,直接相关的会议不多,但由于推荐系统会涉及到数据挖掘、机器学习等方面的知识,并且推荐系统作为数据挖掘和机器学习的重要应用之一,同时推荐系统往更大的领域靠拢的话也属于人工智能的范畴,因此很多做推荐的学者把目光也瞄向了数据挖掘、机器学习和人工智能方面的会议。所以,如果想关注推荐系统的前沿,我们需要不仅关注推荐系统年会,还需要关注其他与推荐挂钩的会议。

1、与推荐系统直接相关的会议

  • RecSys -The ACM Conference Series on Recommender Systems.

2、数据挖掘相关的会议

  • SIGKDD - The ACM SIGKDD Conference on Knowledge Discovery and Data Mining.
  • WSDM - The International Conference on Web Search and Data Mining.
  • ICDM - The IEEE International Conference on Data Mining.
  • SDM -TheSIAM International Conference on Data Mining.

3、机器学习相关的会议

  • ICML - The International Conference on Machine Learning.
  • NIPS - The Conference on Neural Information Processing Systems.

4、信息检索相关的会议

  • SIGIR - The ACM International Conference on Research and Development in Information Retrieval.

5、数据库相关的会议

  • CIKM - The ACM International Conference on Information and Knowledge Management.

6、Web相关的会议

  • WWW - The International World Wide Web Conference.

7、人工智能相关的会议

  • AAAI - The National Conference of the American Association for Artificial Intelligence.
  • IJCAI - The International Joint Conference on Artificial Intelligence.

相关学者

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

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

Julian McAuley

个人主页:McAuley

主要贡献:研究方向为社交网络、数据挖掘、推荐系统,现为加利福尼亚大学圣迭戈分校助理教授

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

郭贵冰

个人主页:Guibing Guo's HomePage

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

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

何向南

个人主页:Xiangnan He's Homepage

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

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

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》。

赵鑫

个人主页:zhaoxin's HomePage

主要贡献:国内推荐系统著名学者,侧重利用自然语言处理技术来提升Top-N推荐性能

代表文献:Improving Sequential Recommendation with Knowledge-enhanced Memory Networks

石川

个人主页:shichuan's HomePage

主要贡献:研究方向为异质信息网络上的推荐,提出了加权的异质信息相似度计算等

代表文献:Semantic Path based Personalized Recommendation on Weighted Heterogeneous Information Networks

相关论文

最近和几个同学共同整理了超100篇关于推荐系统的一些经典必读论文,包括综述文章、传统经典推荐文章、社会化推荐文章、基于深度学习的推荐系统文章、专门用于解决冷启动问题的文章、POI相关的论文、利用哈希技术来加速推荐的文章以及推荐系统中经典的探索与利用问题的相关文章等。该项目还在持续更新中,欢迎大家star,欢迎大家补充,让我们一起构建一个完整的入门推荐论文清单,让想入门推荐的童鞋们不必再想咱们一样痛苦吧。

项目链接:欢迎关注【机器学习游记】公众号,回复“推荐系统论文”获取最新版完整推荐系统论文列表下载链接。

相关书籍

  • 《推荐系统实践》
  • 《Recommender systems handbook》
  • 《推荐系统-Recommender systems:An introduction》
  • 《推荐系统:技术、评估及高效算法》

相关课程

  • Recommender Systems Specialization

最近,coursea上开放了推荐系统专项课程《Recommender Systems Specialization》。

该课程于2018年3月26日开课,这个系列由4门子课程和1门毕业项目课程组成,包括推荐系统导论,最近邻协同过滤,推荐系统评价,矩阵分解和高级技术等,感兴趣的同学可以关注。

关于数据集

MovieLens

适用于传统的推荐任务,提供了3种不同规模的数据,包含用户对电影的评分信息,用户的人口统计学特征以及电影的描述特征。

Filmtrust

适用于社会化推荐任务,规模较小,包含用户对电影的评分信息,同时包含用户间的信任社交信息。

Douban

适用于社会化推荐任务,规模适中,包含用户对电影的评分信息,同时包含用户间的信任社交信息。

Epinions

适用于社会化推荐任务,规模较大,包含用户对电影的评分信息,同时包含用户间的信任社交信息,值得注意的是,该数据集同时还包括不信任关系信息。

Yelp

几乎适用于所有推荐任务,数据规模大,需要手动提取自己需要的信息,包含评价评分信息,用户信息(注册信息、粉丝数量、朋友信息),商品信息(属性信息、位置信息、图像信息),建议信息等。

代码与工具

1、LibRec

java版本开源推荐系统,包含了70多种经典的推荐算法。

2、Surprise

python版本开源推荐系统,包含了多种经典的推荐算法。

3、LibMF

c++版本开源推荐系统,主要实现了基于矩阵分解的推荐算法。

4、Neural Collaborative Filtering

python实现神经协同过滤推荐算法。


未完待续...

注:本人能力有限,以期在总结中提高,思考中进步。如若有识之士欲共谋此事,欢迎补充。

欢迎关注【机器学习游记】公众号,回复关键字“推荐系统代码”获取更多关于推荐算法开源代码Github下载地址。

本文分享自微信公众号 - 机器学习与推荐算法(ML_RSer),作者:张小磊

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-07-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 当推荐系统邂逅深度学习

    推荐系统之于用户的角色,有时更像是无微不至的男朋友,你口渴时递给你符合口味的饮料,你饥饿时还你以常吃的披萨,你无聊时帮你推荐有趣的音乐亦或带你欣赏感兴趣的电影。

    张小磊
  • ECAI2020推荐系统论文聚焦

    ECAI,全称为 European Conference on Artificial Intelligence,是欧洲主要的人工智能会议。

    张小磊
  • 更新!带你认识推荐系统全貌的论文清单

    随着大数据时代的飞速发展,信息逐渐呈现出过载状态,推荐系统(又称为个性化内容分发)作为近年来实现信息生产者与消费者之间利益均衡化的有效手段之一,越来越发挥着举足...

    张小磊
  • 如何成为一名推荐系统工程师

    用户1737318
  • 阿里、京东、快手、华为......他们是如何构建一个个推荐系统“帝国”的?

    推荐系统在人们的日常生活中随处可见,成为我们生命中不可或缺的一部分。作为当今应用最为广泛和成熟的 AI 技术之一,它是信息生产者、传播者与用户之间的桥梁,可以让...

    AI科技大本营
  • 推荐系统走向下一阶段最重要的三个问题

    推荐系统和搜索引擎一直是比较火热的技术,因为离商业化比较近。她们是互联网领域两个衣着光鲜的美人,小腰一扭就是钱的味道。这几年凭借着两个红利:

    石晓文
  • 推荐系列01:人工智能与推荐系统

    前段时间给朋友整理一个关于推荐系统相关的知识教学体系,刚好自身业务中,预计明年初随着业务规模增长,估摸着又要启动推荐相关的项目了,所以也是趁机把相关的知识结构梳...

    挖掘大数据
  • 618狂欢过后,冷静揭秘亚马逊和淘宝如何用算法让你剁手

    场景描述:继「双十一」之后,京东也借着店庆日,制造了与其遥相呼应的「618」年中购物狂欢节。而各大电商除了用各种营销手段吸引顾客外,也在利用智能推荐不断影响着用...

    AI科技大本营
  • 世界读书日之际推荐几本书

    电影《卡萨布兰卡》里有一句话:“你现在的气质里,藏着你走过的路,读过的书和爱过的人”,那么你想培养自己的的气质吗。

    王新栋
  • R&S | 手把手搞推荐[0]:我的推荐入门小结

    去年年末至今,学习推荐系统已经接近半年,在各种事情的忙碌下,依然坚持着完成一些自学,推荐系统的入门流程逐渐到达尾声,自己学的内容也逐步完善,门是基本入了,所以打...

    石晓文

扫码关注云+社区

领取腾讯云代金券