专栏首页机器学习与推荐算法(ACL+ICML)2020推荐系统相关论文聚焦

(ACL+ICML)2020推荐系统相关论文聚焦

前言

第58届国际计算语言学协会年会(ACL,The Association for Computational Linguistics)将于2020年7月6号-8号线上举行。官网公布了ACL2020的论文收录名单,共计收录778篇论文,本次ACL大会共提交了3429篇论文,长文录取率为25%。作为自然语言处理(NLP)领域的顶会,其中有一些涉及NLP技术的推荐系统论文也会投稿于此。

第37届机器学习国际会议(ICML,International Conference on Machine Learning)将于2020年7月12日至18日线上举行。官网公布了ICML2020的论文收录名单,共计收录1088篇论文,本次ICML大会共提交了4990篇论文,录取率为21.8%。

推荐相关论文列表

本次ACL2020大会共整理出5篇关于推荐系统的论文,其中涉及到2篇对话推荐系统和3篇新闻推荐系统。值得注意的是,3篇新闻推荐系统论文均来自于MSRA谢幸老师团队,太强了(●'◡'●)。不难发现,由于ACL为自然语言处理相关的会议,所以推荐系统的比重较小,另外,接收的推荐系统论文中都涉及NLP相关的技术。

另外,本篇文章还整理出了ICML2020中关于推荐系统的论文4篇。其中涉及GCN、非负矩阵分解等技术。

由于在研究推荐系统的时候,也会用到图神经网络以及知识图谱相关的知识,因此后两部分也整理了相关的论文。

推荐系统-ACL2020

  • Dynamic Online Conversation Recommendation

https://www.aclweb.org/anthology/2020.acl-main.305.pdf https://github.com/zxshamson/dy-conv-rec

  • Towards Conversational Recommendation over Multi-Type Dialogs

https://www.aclweb.org/anthology/2020.acl-main.98.pdf https://github.com/PaddlePaddle/models/

  • Fine-grained Interest Matching for Neural News Recommendation

https://www.aclweb.org/anthology/2020.acl-main.77.pdf

  • Graph Neural News Recommendation with Unsupervised Preference Disentanglement

https://www.aclweb.org/anthology/2020.acl-main.392.pdf

  • MIND: A Large-scale Dataset for News Recommendation

https://www.aclweb.org/anthology/2020.acl-main.331.pdf https://github.com/zxshamson/dy-conv-rec

推荐系统-ICML2020

  • Graph Convolutional Network for Recommendation with Low-pass Collaborative Filters

https://arxiv.org/abs/2006.15516.pdf

  • Optimization and Analysis of the pAp@k Metric for Recommender Systems
  • Optimizing Long-term Social Welfare in Recommender Systems: A Constrained Matching Approach
  • Ordinal Non-negative Matrix Factorization for Recommendation

https://arxiv.org/pdf/2006.01034.pdf

网络表示学习&图神经网络相关

  • Learning to Ask More: Semi-Autoregressive Sequential Question Generation under Dual-Graph Interaction.
  • Every Document Owns Its Structure: Inductive Text Classification via Graph Neural Networks.
  • GCAN: Graph-aware Co-Attention Networks for Explainable Fake News Detection on Social Media.
  • Integrating Semantic and Structural Information with Graph Convolutional Network for Controversy Detection.
  • Line Graph Enhanced AMR-to-Text Generation with Mix-Order Graph Attention Networks.
  • Query Graph Generation for Answering Multi-hop Complex Questions from Knowledge Bases.
  • A Graph Auto-encoder Model of Derivational Morphology.
  • AMR Parsing via Graph-Sequence Iterative Inference.
  • Semantic Graphs for Generating Deep Questions.
  • A Novel Graph-based Multi-modal Fusion Encoder for Neural Machine Translation.
  • Relational Graph Attention Network for Aspect-based Sentiment Analysis.
  • Syntax-Aware Opinion Role Labeling with Dependency Graph Convolutional Networks.
  • Entity-Aware Dependency-Based Deep Graph Attention Network for Comparative Preference Classification.
  • Heterogeneous Graph Neural Networks for Extractive Document Summarization.
  • Dependency Graph Enhanced Dual-transformer Structure for Aspect-based Sentiment Classification.
  • Document Modeling with Graph Attention Networks for Multi-grained Machine Reading Comprehension.
  • Aligned Dual Channel Graph Convolutional Network for Visual Question Answering.
  • Multimodal Neural Graph Memory Networks for Visual Question Answering.
  • Fine-grained Fact Verification with Kernel Graph Attention Network
  • Continuous Graph Neural Networks

知识图谱

  • Query Graph Generation for Answering Multi-hop Complex Questions from Knowledge Bases.
  • Grounded Conversation Generation as Guided Traverses in Commonsense Knowledge Graphs.
  • Can We Predict New Facts with Open Knowledge Graph Embeddings? A Benchmark for Open Link Prediction.
  • The Dialogue Dodecathlon: Open-Domain Knowledge and Image Grounded Conversational Agents.
  • Knowledge Graph Embedding Compression.
  • Orthogonal Relation Transforms with Graph Context Modeling for Knowledge Graph Embedding.
  • Breaking Through the 80% Glass Ceiling: Raising the State of the Art in Word Sense Disambiguation by Incorporating Knowledge Graph Information.
  • SEEK: Segmented Embedding of Knowledge Graphs.
  • SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis.
  • Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings.
  • Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward.
  • A Re-evaluation of Knowledge Graph Completion Methods.
  • ReInceptionE: Relation-Aware Inception Network with Joint Local-Global Structural Information for Knowledge Graph Embedding.
  • Connecting Embeddings for Knowledge Graph Entity Typing.
  • Low-Dimensional Hyperbolic Knowledge Graph Embeddings.

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:2020-07-03

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

  • SIGIR2020推荐系统论文聚焦

    第43届国际信息检索研究和发展大会(SIGIR)将于2020年7月25-30日在美丽的中国西安举行。此次大会共收到了555篇长文投稿,录用147篇,长文录取率2...

    张小磊
  • WWW2020推荐系统论文合集(已分类整理)

    国际顶级学术会议WWW2020定在2020年4月20-24日于中国台湾举办。受COVID-19疫情影响(疫情赶紧过去吧),大会将在线上举行。今天是大会开始的第一...

    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
  • 【Flink】Flink中的窗口函数、时间语义及watermark

    Flink 流应用程序处理的是以数据对象表示的事件流。所以在 Flink 内部,我们需要能够处理这些对象。它们需要被序列化和反序列化,以便通过网络传送它们;或者...

    魏晓蕾
  • Android的配置文件操作封装,摒弃SharedPreference操作配置漫天乱飞

    在Android项目应用中,经常会用到读取和保存配置文件。Android提供了SharedPreference类方便的对配置文件进行操作。但是,项目中到处穿梭着...

    特立独行的猫a
  • 非常Nice的几个Chrome插件

    安装一个新的环境,第一件事打开系统自带的浏览器下载安装Chrome,第二件事就是设置为默认浏览器。

    有福
  • 那么多高校的就业率都能达到99%,是真的吗?

    而与媒体年复一年报道“史上最难就业季”相照应的,是各个高校每年公布的就业率——基本稳定在90%以上,这好像说不上是“最难就业季”。

    华章科技
  • 前沿|如何把Deep Learning思想应用到Graph Theory?

    2001到2010年间,因为Social Networks的兴起,曾经有一段时间有很多学者热衷于研究Graph Theory,以及Graph Theory在Se...

    fishexpert
  • 使用Redis单实例实现分布式锁

    在同一个jvm进程中时,可以使用JUC提供的一些锁来解决多个线程竞争同一个共享资源时候的线程安全问题,但是当多个不同机器上的不同jvm进程共同竞争同一个共享资源...

    加多
  • Monochroma单机硬盘免安装版

    Monochroma是一个电影拼图游戏,发生在一个具有工业炼金术的设定中。这是关于一个孩子,有一个弟弟,上升,下降和解决一些其他的难题。

    李文华

扫码关注云+社区

领取腾讯云代金券