阿萨纳西奥斯·尼古拉科普洛斯
人员信息
附属： 美国明尼阿波利斯明尼苏达大学 从属关系（2016年博士）： 希腊帕特拉斯大学
优化列表
2020年–今天
2023 
[i11] 阿萨纳西奥斯·尼古拉科普洛斯 , 斯瓦蒂·考尔 , Siva Karthik Gade公司 , 贝拉·杜布罗夫 , 乌米特·巴图尔 , 苏莱曼·阿里·汗 以下为：
SAGE：十亿级产品目录的结构化属性值生成。 CoRR公司 abs/2309.05920 ( 2023 ) 2022 [r1] 阿萨纳西奥斯·尼古拉科普洛斯 , 夏宁 , 基督教脱苦剂 , 乔治·卡里皮斯 以下为：
信任你的邻居：基于邻居的推荐系统方法的综合调查。 推荐系统手册 2022 以下为： 39-89 2021 [j7] Ruping Sun公司 
, 阿萨纳西奥斯·尼古拉科普洛斯 以下为：
配对原发性和转移性肿瘤之间基因组差异的因素和进化决定因素。 公共科学图书馆计算。 生物。 17 ( 三 ) ( 2021 ) [第16条] Vasileios Kalantzis公司 , 乔治·科利亚斯 , 沙珊卡·乌巴鲁 , 阿萨纳西奥斯·尼古拉科普洛斯 , 利奥尔·霍雷什 , 肯尼思·克拉克森 以下为：
利用投影技术更新演化矩阵的截断奇异值分解。 ICML公司 2021 以下为： 5236-5246 [i10] 阿萨纳西奥斯·尼古拉科普洛斯 , 夏宁 , 克里斯蒂安·德罗斯 , 乔治·卡里皮斯 以下为：
信任你的邻居：对基于邻居的推荐系统方法的全面调查。 CoRR公司 abs/2109.04584 ( 2021 ) 2020 [j6] 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治·卡里皮斯 以下为：
通过几乎不耦合的随机游动提高基于项目的协作过滤。 ACM变速器。 知识。 发现。 数据 14 ( 6 ) 以下为： 64:1-64:26 ( 2020 ) [i9] 阿萨纳西奥斯·尼古拉科普洛斯 以下为：
重新审视随机冲浪：推广PageRank的传送模型。 CoRR公司 abs/2008.12916 ( 2020 ) [i8] 瓦西里斯·卡兰齐斯 , 乔治·科利亚斯 , 沙珊卡·乌巴鲁 , 阿萨纳西奥斯·尼古拉科普洛斯 , 利奥尔·霍雷什 , 肯尼思·克拉克森 以下为：
投影技术更新演化矩阵的截断奇异值分解。 CoRR公司 2010年6月392日 ( 2020 )
2010 – 2019
2019 [j5] 阿萨纳西奥斯·尼古拉科普洛斯 , 瓦西里斯·卡兰齐斯 , Efstratios加洛普洛斯 , 约翰·加罗法拉基斯 以下为：
EigenRec：推广PureSVD以获得高效的top-N建议。 知识。 信息系统。 58 ( 1 ) 以下为： 59-81 ( 2019 ) [j4] 小檗Dimitris Berberidis , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
图上可缩放学习的自适应扩散。 IEEE传输。 信号处理。 67 ( 5 ) 以下为： 1307-1321 ( 2019 ) [第15条] Agoritsa Polyzou公司 , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治·卡里皮斯 以下为：
学者行走：课程推荐的马尔可夫链框架。 EDM公司 2019 [第14条] 阿萨纳西奥斯·尼古拉科普洛斯 , 小檗Dimitris Berberidis , 乔治·卡里皮斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
针对顶级推荐的个性化扩散。 RecSys系统 2019 以下为： 260-268 [第13条] 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治·卡里皮斯 以下为：
RecWalk:Top-N推荐的几乎非耦合随机行走。 WSDM公司 2019 以下为： 150-158 [i7] 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治·卡里皮斯 以下为：
通过几乎不耦合的随机漫步增强基于项目的协作过滤。 CoRR公司 abs/1909.03579 ( 2019 ) 2018 [j3] 孟马 , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
混合ADMM：一种统一快速的分散优化方法。 EURASIP J.高级信号处理。 2018 以下为： 73 ( 2018 ) [第12条] 小檗Dimitris Berberidis , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
AdaDIF：图上高效半监督学习的自适应扩散。 IEEE大数据 2018 以下为： 92-99 [第11条] 小檗Dimitris Berberidis , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
基于图的分类的带重启的随机行走：遥传调节和采样设计。 ICASSP公司 2018 以下为： 2811-2815 [第10条] 孟马 , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·B·詹纳基斯 以下为：
通过混合共识Admm快速分散学习。 ICASSP公司 2018 以下为： 3829-3833 [i6] 小檗Dimitris Berberidis , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
图上可缩放学习的自适应扩散。 CoRR公司 abs/1804.02081 ( 2018 ) [i5] 孟马 , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
网络上的快速分散优化。 CoRR公司 abs/1804.02425 ( 2018 ) 2017 【c9】 瓦西里斯N.Ioannidis , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
基于半参数图核的重建。 全球SIP 2017 以下为： 588-592 【c8】 阿萨纳西奥斯·尼古拉科普洛斯 , 瓦西里斯·卡兰齐斯 , Efstratios加洛普洛斯 , 约翰·加罗法拉基斯 以下为：
Top-N建议的因数接近模型。 中国工商银行 2017 以下为： 80-87 [i4] 瓦西里斯N.Ioannidis , 孟马 , 阿萨纳西奥斯·尼古拉科普洛斯 , 乔治奥斯·吉安纳基斯（Georgios B.Giannakis） 以下为：
图上函数的基于核的推理。 CoRR公司 腹肌/1711.10353 ( 2017 ) 2016 【c7】 阿萨纳西奥斯·尼古拉科普洛斯 , 安东尼娅·科尔巴 , 约翰·加罗法拉基斯 以下为：
多部分图上的随机浏览。 IEEE大数据 2016 以下为： 736-745 【c6】 阿萨纳西奥斯·尼古拉科普洛斯 , 约翰·加罗法拉基斯 以下为：
一类多处理系统的多级近完全可分解性。 PCI公司 2016 以下为： 14 2015 [注2] 阿萨纳西奥斯·尼古拉科普洛斯 , 玛丽安娜·A·库内利 , 约翰·加罗法拉基斯 以下为：
层次项目空间排名：利用层次结构来缓解基于排名的推荐中的稀疏性。 神经计算 163 以下为： 126-136 ( 2015 ) [j1] 阿萨纳西奥斯·尼古拉科普洛斯 , 约翰·加罗法拉基斯 以下为：
稀疏情况下的排名前N的建议：基于NCD的方法。 网络智能。 13 ( 4 ) 以下为： 247-265 ( 2015 ) 【c5】 阿萨纳西奥斯·尼古拉科普洛斯 , 约翰·加罗法拉基斯 以下为：
无需传送的随机冲浪。 算法、概率、网络和游戏 2015 以下为： 344-357 [i3] 阿萨纳西奥斯·尼古拉科普洛斯 , 约翰·加罗法拉基斯 以下为：
无需传送的随机冲浪。 CoRR公司 abs/1506.00092 ( 2015 ) [i2] 阿萨纳西奥斯·尼古拉科普洛斯 , 约翰·加罗法拉基斯 以下为：
稀疏情况下的排名前N的建议：基于NCD的方法。 CoRR公司 abs/1507.00043 ( 2015 ) [i1] 阿萨纳西奥斯·尼古拉科普洛斯 , 瓦西里斯·卡兰齐斯 , 约翰·加罗法拉基斯 以下为：
EIGENREC：一个高效且可扩展的前N推荐潜在因素家族。 CoRR公司 abs/1511.06033 ( 2015 ) 2014 【c4】 阿萨纳西奥斯·尼古拉科普洛斯 , 约翰·加罗法拉基斯 以下为：
NCDREC：一个受分解启发的Top-N推荐框架。 WI-IAT（2） 2014 以下为： 183-190 【c3】 阿萨纳西奥斯·尼古拉科普洛斯 , 玛丽亚·卡兰齐 , 约翰·加罗法拉基斯 以下为：
关于使用Lanczos向量实现基于有效潜在因子的Top-N推荐。 WIMS公司 2014 以下为： 28:1-28:6 2013 [c2] 阿萨纳西奥斯·尼古拉科普洛斯 , 玛丽安娜·A·库内利 , 约翰·加罗法拉基斯 以下为：
一种新的基于排名的协作过滤分层方法。 EANN（2） 2013 以下为： 50-59 【c1】 阿萨纳西奥斯·尼古拉科普洛斯 , 约翰·加罗法拉基斯 以下为：
NCDawareRank：一种新颖的排名方法，利用网络的可分解结构。 WSDM公司 2013 以下为： 143-152
合著者索引
