摘要
补充材料
Himan Abdollahpouri,2019年。 排名和推荐中的受欢迎度偏差。 2019年美国人工智能学会/美国医学会人工智能、道德与社会会议论文集,AIES 2019,美国夏威夷州火奴鲁鲁,2019年1月27日至28日,文森特·科尼策,Gillian K.Hadfield和Shannon Vallor(编辑)。 美国医学会,529-530。 谷歌学者 数字图书馆 Himan Abdollahpouri、Robin Burke和Bamshad Mobasher。 2017.控制学习排名推荐中的人气偏差。 《第十一届ACM推荐系统会议记录》,RecSys 2017,意大利科莫,2017年8月27日至31日,Paolo Cremonesi、Francesco Ricci、Shlomo Berkovsky和Alexander Tuzhilin(编辑)。 美国医学会,42-46。 谷歌学者 数字图书馆 Himan Abdollahpouri、Robin Burke和Bamshad Mobasher。 2019.通过个性化重新排名管理推荐系统中的人气偏差。 2019年5月19日至22日,在美国佛罗里达州萨拉索塔举行的第三十二届国际佛罗里达人工智能研究会会议记录中,罗曼·巴托克和基斯·布劳纳(编辑)。 AAAI出版社,413-418。 谷歌学者 Vito Walter Anelli、Amra Delic、Gabriele Sottocornola、Jessie Smith、Nazareno Andrade、Luca Belli、Michael M.Bronstein、Akshay Gupta、Sofia Ira Ktena、Alexandre Lung Yut Fong、Frank Portman、Alykhan Tejani、Yuanpu Xie、Xiao Zhu和Wenzhe Shi。 2020年RecSys 2020挑战研讨会:推特主页时间线上的参与预测。 RecSys 2020:第十四届ACM推荐系统会议,虚拟事件,巴西,2020年9月22日至26日。 最高点,623-627。 谷歌学者 V.W.Anelli、T.Di Noia、E.Di Sciascio、A.Ragone和J.Trotta。 2020年,前N项建议的语义解释。 IEEE知识与数据工程汇刊(2020),1-1。 谷歌学者 维托·沃尔特·阿内利、托马索·迪诺亚、尤金尼奥·迪西亚西奥、克劳迪奥·波莫和阿祖拉·拉戈内。 2019年a.关于超参数在交叉验证中的辨别力以及如何选择超参数。 《第13届ACM推荐系统会议论文集》,RecSys 2019,丹麦哥本哈根,2019年9月16日至20日,Toine Bogers,Alan Said,Peter Brusilovsky和Domonkos Tikk(编辑)。 美国医学会,447--451。 谷歌学者 数字图书馆 维托·沃尔特·阿内利(Vito Walter Anelli)、托马索·迪·诺亚(Tommaso Di Noia)、尤金尼奥·迪·西亚西奥(Eugenio Di Sciascio)、阿祖拉·拉戈内(Azzurra Ragone)和约瑟夫·特罗塔。 2019年b.如何通过使用知识图输入因子分解机器来解释潜在因素。 2019年10月26日至30日在新西兰奥克兰举行的2019年国际语义网络会议第18届国际语义网络大会,第一部分会议记录(计算机科学讲义,第11778卷),Chiara Ghidini、Olaf Hartig、Maria Maleshkova、Vojtech Svátek、Isabel F.Cruz、Aidan Hogan、Jie Song、Maxime Lefranc-cois和Fabien Gandon(编辑)。 施普林格,38-56。 谷歌学者 维托·沃尔特·阿内利(Vito Walter Anelli)、托马索·迪·诺亚(Tommaso Di Noia)、尤金尼奥·迪·西亚西奥(Eugenio Di Sciascio)、阿祖拉·拉戈内(Azzurra Ragone)和约瑟夫·特罗塔。 2019年c.排名前N的推荐中的当地人气和时间。 《信息检索进展——第41届欧洲红外研究会议》,ECIR 2019,德国科隆,2019年4月14-18日,第一部分会议记录(计算机科学讲稿,第11437卷),Leif Azzopardi,Benno Stein,Norbert Fuhr,Philipp Mayr,Claudia Hauff,Djoerd Hiemstra(编辑)。 施普林格,861-868。 谷歌学者 里卡多·贝扎·耶茨(Ricardo Baeza-Yates)。 2020年。搜索和推荐系统中的偏差。 RecSys 2020:第十四届ACM推荐系统会议,虚拟事件,巴西,2020年9月22日至26日。 ACM,2。 谷歌学者 数字图书馆 亚历杭德罗·贝洛根、巴勃罗·卡斯特尔斯和伊万·坎塔多。 2011.推荐系统的精准评估:算法比较。 2011年10月23日至27日,美国伊利诺伊州芝加哥市,2011年ACM推荐系统会议记录,Bamshad Mobasher、Robin D.Burke、Dietmar Jannach和Gedimisas Adomavicius(编辑)。 美国医学会,333--336。 谷歌学者 亚历杭德罗·贝洛根和艾伦·赛义德。 2021.通过再现性提高推荐系统研究中的问责制。 CoRR,卷abs/2102.00482(2021)。 谷歌学者 亚历杭德罗·贝洛根和巴勃罗·桑切斯。 2017年,针对时间场景再次访问基于邻居的推荐人。 在与第十一届推荐系统国际会议(RecSys 2017)合办的推荐系统中的时间推理第一次研讨会的会议记录中,意大利科莫,2017年8月27日至31日(CEUR研讨会记录,第1922卷),Mária Bieliková,Veronika Bogina,Tsvi Kuflik和Roy Sasson(编辑)。 CEUR-WS.org,40-44。 谷歌学者 詹姆斯·贝内特和斯坦·兰宁。 2007年,netflix大奖。 第13届ACM SIGKDD知识发现和数据挖掘国际会议论文集,美国加利福尼亚州圣何塞,2007年8月12-15日。 ACM公司。 谷歌学者 James Bergstra、Rémi Bardenet、Yoshua Bengio和Balázs Kégl,2011年。 超参数优化算法。 《神经信息处理系统进展》第24期:2011年第25届神经信息处理体系年会。 2011年12月12日至14日在西班牙格拉纳达举行的会议记录,John Shawe Taylor、Richard S.Zemel、Peter L.Bartlett、Fernando C.N.Pereira和Kilian Q.Weinberger(编辑)。 2546--2554. 谷歌学者 詹姆斯·伯格斯特拉(James Bergstra)、丹尼尔·亚明斯(Daniel Yamins)和大卫·D·考克斯(David D.Cox)。 2013.建立模型搜索科学:视觉架构数百维超参数优化。 2013年6月16日至21日在美国佐治亚州亚特兰大举行的第30届国际机器学习会议记录(JMLR研讨会和会议记录,第28卷)。 JMLR.org,115-123。 谷歌学者 佩德罗·坎波斯(Pedro G.Campos)、费尔南多·德伊兹(Fernando D'iez)和伊万·坎塔多(Iván Cantador)。 2014.时间软件推荐系统:对现有评估协议的全面调查和分析。 用户模型。 用户自适应。 互动。, 第24卷,1--2(2014),67-119。 谷歌学者 数字图书馆 巴勃罗·卡斯特尔斯(Pablo Castells)、尼尔·J·赫尔利(Neil J.Hurley)和索尔·巴尔加斯(Saul Vargas)。 2015年,推荐系统的新颖性和多样性。 在《推荐系统手册》中,Francesco Ricci、Lior Rokach和Bracha Shapira(编辑)。 施普林格,881-918。 谷歌学者 Dong-Kyu Chae、Jin-Soo Kang、Sang-Wook Kim和Jung-Tae Lee。 2018.CFGAN:基于生成对手网络的通用协同过滤框架。 在2018年10月22日至26日于意大利都灵举行的第27届ACM信息和知识管理国际会议的会议记录中,阿尔弗雷多·库佐克雷、詹姆斯·艾伦、诺曼·W·帕顿、迪维什·斯利瓦斯塔瓦、拉凯什·阿格拉瓦尔、安德烈·布罗德、穆罕默德·扎基、K.塞尔库克·坎丹、亚历山德罗斯·拉布里尼迪斯、阿萨夫·舒斯特和王海迅(编辑)。 美国医学会,137--146。 谷歌学者 数字图书馆 陈靖远、张汉旺、何向南、聂利强、刘伟和蔡大胜。 2017.专注协作过滤:项目和组件级关注的多媒体推荐。 2017年8月7日至11日,在日本东京新宿举行的第40届国际ACM SIGIR信息检索研究与开发会议记录中,Noriko Kando、Tetsuya Sakai、Hideo Joho、Hang Li、Arjen P.de Vries和Ryen W.White(编辑)。 美国医学会,335--344。 谷歌学者 数字图书馆 Heng Tze Cheng、Levent Koc、Jeremiah Harmsen、Tal Shaked、Tushar Chandra、Hrishi Aradhye、Glen Anderson、Greg Corrado、Wei Chai、Mustafa Ispir、Rohan Anil、Zakaria Haque、Lichan Hong、Vihan Jain、Xiaobing Liu和Hemal Shah。 2016.推荐系统的广泛和深入学习。 在推荐系统深度学习第一次研讨会的会议记录中, DLRS@回收系统 2016年,美国马萨诸塞州波士顿,2016年9月15日,Alexandros Karatzoglou、Balázs Hidasi、Domonkos Tikk、Oren Sar Shalom、Haggai Roitman、Bracha Shapira和Lior Rokach(编辑)。 ACM,7--10。 谷歌学者 数字图书馆 保罗·克雷莫内西(Paolo Cremonesi)、耶胡达·科伦(Yehuda Koren)和罗伯托·特林(Roberto Turrin),2010年。 推荐算法在top-n推荐任务上的性能。 2010年ACM推荐系统会议记录,RecSys 2010,西班牙巴塞罗那,2010年9月26日至30日,Xavier Amatriain、Marc Torrens、Paul Resnick和Markus Zanker(编辑)。 顶点,39-46。 谷歌学者 数字图书馆 毛里齐奥·费拉里·达克雷马(Maurizio Ferrari Dacrema)、保罗·克雷蒙西(Paolo Cremonesi)和迪特马尔·贾纳赫(Dietmar Jannach)。 2019.我们真的取得了很大进展吗? 对最近的神经推荐方法的令人担忧的分析。 《第13届ACM推荐系统会议论文集》,RecSys 2019,丹麦哥本哈根,2019年9月16日至20日,Toine Bogers,Alan Said,Peter Brusilovsky和Domonkos Tikk(编辑)。 美国医学会,101-109。 谷歌学者 数字图书馆 Yashar Deldjoo、Vito Walter Anelli、Hamed Zamani、Alejandro Bellogin和Tommaso Di Noia。 2020年。在推荐系统中评估用户和项目公平性的灵活框架。 用户建模和用户自适应交互(2020),1-47。 谷歌学者 迈克尔·D·埃克斯特兰德。 2020年。用于Python的LensKit:推荐系统实验的下一代软件。 在CIKM’20:第29届ACM信息和知识管理国际会议,虚拟事件,爱尔兰,2020年10月19-23日,马修·阿金,斯特凡·迪特兹,克劳迪娅·豪夫,爱德华·库里和菲利普·库德雷·毛鲁(编辑)。 美国医学会,2999--3006。 谷歌学者 Michael D.Ekstrand、Robin Burke和Fernando Diaz。 2019年a.推荐和检索的公平性和歧视性。 《第13届ACM推荐系统会议论文集》,RecSys 2019,丹麦哥本哈根,2019年9月16日至20日,Toine Bogers,Alan Said,Peter Brusilovsky和Domonkos Tikk(编辑)。 美国医学会,576--577。 谷歌学者 Michael D.Ekstrand、Robin Burke和Fernando Diaz。 2019年b.检索和推荐中的公平和歧视。 第42届国际ACM SIGIR信息检索研究与开发会议论文集,2019年SIGIR,法国巴黎,2019月21日至25日,Benjamin Piwowarski,Max Chevalier,El ric Gaussier,Yoelle Maarek,Jian-Yun Nie和Falk Scholer(编辑)。 美国医学会,1403-1404。 谷歌学者 Michael D.Ekstrand、Michael Ludwig、Joseph A.Konstan和John Riedl。 2011.重新思考推荐者研究生态系统:再现性、开放性和LensKit。 2011年10月23日至27日,美国伊利诺伊州芝加哥市,2011年ACM推荐系统会议记录,Bamshad Mobasher、Robin D.Burke、Dietmar Jannach和Gedimisas Adomavicius(编辑)。 美国医学会,133--140。 谷歌学者 数字图书馆 本·弗雷德里克森。 2018.隐式数据集的快速python协作过滤。 谷歌学者 西蒙·芬克。 2006.Netflix更新:在家试试这个。 谷歌学者 泽诺·甘特纳(Zeno Gantner)、卢卡斯·德鲁蒙德(Lucas Drumond)、克里斯托夫·弗洛伊登塔勒(Christoph Freudenthaler)和拉尔斯·施密特·蒂姆(Lars Schmidt-Thieme)。 2012.非统一抽样项目的个性化排名。 2011年美国加州圣地亚哥KDD杯比赛记录(JMLR Proceedings,Vol.18),Gideon Dror、Yehuda Koren和Markus Weimer(Eds.)。 JMLR.org,231--247。 谷歌学者 泽诺·甘特纳(Zeno Gantner)、斯特芬·伦德尔(Steffen Rendle)、克里斯托夫·弗洛伊登塔勒(Christoph Freudenthaler)和拉尔斯·施密特·蒂姆(Lars Schmidt-Thieme)。 2011.MyMediaLite:免费推荐系统库。 2011年10月23日至27日,美国伊利诺伊州芝加哥市,2011年ACM推荐系统会议记录,Bamshad Mobasher、Robin D.Burke、Dietmar Jannach和Gedimisas Adomavicius(编辑)。 美国医学会,305-308。 谷歌学者 数字图书馆 Asela Gunawardana和Guy Shani。 2015年,评估推荐系统。 在《推荐系统手册》中,Francesco Ricci、Lior Rokach和Bracha Shapira(编辑)。 施普林格,265--308。 谷歌学者 郭桂兵、张杰、孙朱和尼尔·约克·史密斯。 2015.LibRec:推荐系统的Java库。 在2015年6月29日至7月3日于爱尔兰都柏林举行的第23届用户建模、适应和个性化会议(UMAP 2015)的海报、演示、最新成果和研讨会记录(CEUR研讨会记录,第1388卷)中,亚历山德拉·I·克里斯特、朱迪思·马斯托夫、艾伦·赛义德和纳瓦·丁塔列夫(编辑)。 CEUR-WS.org网站。 谷歌学者 郭慧峰、唐瑞明、叶云明、李振国和何秀强。 2017年,DeepFM:基于因子分解机器的CTR预测神经网络。 2017年8月19日至25日,澳大利亚墨尔本,第二十六届国际人工智能联合会议记录,Carles Sierra(Ed.)。 ijcai.org,1725-1731年。 谷歌学者 交叉引用 乌迪·古普塔(Udit Gupta)、塞缪尔·夏(Samuel Xia)、维克拉姆·萨拉夫(Vikram Saraph)、王晓东(Xiaodong Wang)、布兰登·里根(Brandon Reagen)、顾延伟(Gu-Yeon Wei)、辛·S·李(Xian-Hsin S.Lee)、大。 2020年,DeepRecSys:优化端到端大规模神经推荐推理的系统。 第47届ACM/IEEE计算机体系结构年度国际研讨会,ISCA 2020,西班牙巴伦西亚,2020年5月30日至6月3日。 IEEE,982--995。 谷歌学者 毁了他和朱利安·麦考利。 2016年,VBPR:基于隐含反馈的可视化贝叶斯个性化排名。 2016年2月12日至17日,美国亚利桑那州凤凰城,Dale Schuurmans和Michael P.Wellman(编辑),第三十届AAAI人工智能会议论文集。 AAAI出版社,144-150。 谷歌学者 何湘南和蔡大胜。 2017.稀疏预测分析的神经因子分解机器。 2017年8月7日至11日,在日本东京新宿举行的第40届国际ACM SIGIR信息检索研究与开发会议记录中,Noriko Kando、Tetsuya Sakai、Hideo Joho、Hang Li、Arjen P.de Vries和Ryen W.White(编辑)。 美国医学会,355--364。 谷歌学者 数字图书馆 何祥楠、匡登、王翔、李彦、张永东和王萌。 2020年。LightGCN:简化和支持推荐的图卷积网络。 在第43届国际ACM SIGIR信息检索研究与开发会议的会议记录中,SIGIR 2020,虚拟事件,中国,2020年7月25日至30日,Jimmy Huang、Yi Chang、Xueqi Cheng、Jaap Kamps、Vanessa Murdock、Ji-Rong Wen和Yiqun Liu(编辑)。 美国医学会,639--648。 谷歌学者 数字图书馆 何向南、杜晓宇、王翔、田峰、汤金辉和蔡大胜。 2018年a。 基于外部产品的神经协作过滤。第二十七届国际人工智能联合会议论文集,2018年7月13日至19日,瑞典斯德哥尔摩,Jéróme Lang(Ed.)。 ijcai.org,2227-2233。 谷歌学者 交叉引用 何向南、何占奎、杜晓宇和蔡大胜。 2018年b月。 对手个性化推荐排名。 在2018年7月8日至12日于美国密歇根州安娜堡举行的第41届ACM SIGIR信息检索研究与开发国际会议上,Kevyn Collins-Thompson、Qiaozhu Mei、Brian D.Davison、Yiqun Liu和Emine Yilmaz(编辑)。 美国医学会,355--364。 谷歌学者 何向南、何占奎、宋敬宽、刘振光、姜瑜刚和蔡大胜。 2018年c。 NAIS:推荐的神经注意项相似度模型。 IEEE传输。 知识。 《数据工程》,第30卷,第12卷(2018年),第2354--2366页。 谷歌学者 数字图书馆 何向南、廖丽姿、张汉旺、聂丽强、胡霞和蔡大胜。 2017年。神经协作过滤。第26届万维网国际会议论文集,2017年WWW,澳大利亚珀斯,2017年4月3-7日,Rick Barrett、Rick Cummings、Eugene Agichtein和Evgeniy Gabrilovich(编辑)。 顶点,173-182。 谷歌学者 数字图书馆 谢诚康、杨龙琪、崔茵、林宗毅、谢尔盖·J·贝隆吉和黛博拉·埃斯特林,2017年。 协作度量学习。 在2017年4月3日至7日于澳大利亚珀斯举行的第26届万维网国际会议论文集,WWW 2017,Rick Barrett、Rick Cummings、Eugene Agichtein和Evgeniy Gabrilovich(编辑)。 美国医学会,193--201。 谷歌学者 数字图书馆 黄伯森、何晓东、高剑锋、李登、亚历克斯·亚塞罗和拉里·海克。 2013.使用点击数据学习网络搜索的深度结构化语义模型。 在2013年10月27日至11月1日于美国加利福尼亚州旧金山举行的第22届ACM信息和知识管理国际会议上,齐河、阿伦·艾扬格、沃尔夫冈·内德尔、简培和拉杰夫·拉斯托吉(编辑)。 美国医学会,2333-2338。 谷歌学者 数字图书馆 尼古拉斯拥抱。 2020年。惊喜:推荐系统的Python库。 J.开源软件。, 第5卷,52(2020),2174。 谷歌学者 交叉引用 Neil Hurley和Mi Zhang。 2011年,排名前N的推荐中的新颖性和多样性——分析和评估。 ACM事务处理。 互联网技术,第10卷,第4卷(2011年),14:1--14:30。 谷歌学者 数字图书馆 莫森·贾马利(Mohsen Jamali)和马丁·埃斯特尔(Martin Ester)。 2010年。社交网络中推荐信任传播的矩阵分解技术。 2010年ACM推荐系统会议记录,RecSys 2010,西班牙巴塞罗那,2010年9月26日至30日,Xavier Amatriain、Marc Torrens、Paul Resnick和Markus Zanker(编辑)。 美国医学会,135--142。 谷歌学者 数字图书馆 克里斯托弗·约翰逊。 2014.隐式反馈数据的Logistic矩阵分解。 神经信息处理系统进展,第27卷,第78卷(2014年),1-9。 谷歌学者 Yu-Chin Juan、Yong Zhuang、Wei-Sheng Chin和Chih-Jen Lin.2016年。 用于CTR预测的现场软件分解机。 2016年9月15日至19日,在美国马萨诸塞州波士顿举行的第十届ACM推荐系统会议记录中,Shilad Sen、Werner Geyer、Jill Freyne和Pablo Castells(编辑)。 美国医学会,43-50。 谷歌学者 数字图书馆 Santosh Kabbur、夏宁和乔治·卡里皮斯。 2013年,FISM:前N个推荐系统的因子化项目相似性模型。 第19届ACM SIGKDD知识发现和数据挖掘国际会议,KDD 2013,美国伊利诺伊州芝加哥,2013年8月11-14日,Inderjit S.Dhillon,Yehuda Koren,Rayid Ghani,Ted E.Senator,Paul Bradley,Rajesh Parekh,Jingrui He,Robert L.Grossman,Ramasamy Uthurusamy(编辑)。 美国医学会,659--667。 谷歌学者 数字图书馆 王成康、陈芳、王兆文和朱利安·麦考利。 2017年,视觉产品时尚推荐和设计与生成形象模型。 2017年11月18日至21日在美国洛杉矶新奥尔良举行的2017 IEEE国际数据挖掘大会上,维杰·拉加万、斯里尼瓦斯·阿鲁鲁、乔治·卡里皮斯、卢西奥·米勒和吴新东(编辑)。 IEEE计算机学会,207--216。 谷歌学者 金东铉、朴昌英、吴基诺、李成阳和余光裕。 2016.文档上下文软件建议的卷积矩阵分解。 2016年9月15日至19日,在美国马萨诸塞州波士顿举行的第十届ACM推荐系统会议记录中,Shilad Sen、Werner Geyer、Jill Freyne和Pablo Castells(编辑)。 美国医学会,233--240。 谷歌学者 数字图书馆 Joseph A.Konstan和Gediminas Adomavicius。 2013年,致力于识别和采用算法推荐系统研究中的最佳实践。 2013年10月12日,在中国香港RepSys 2013《推荐系统评估中的再现性和复制国际研讨会论文集》中,Alejandro Bellog’i n、Pablo Castells、Alan Said和Domonkos Tikk(编辑)。 ACM,23-28。 谷歌学者 耶胡达·科伦。 2008.因子分解与邻域相遇:一个多层面的协同过滤模型。 2008年8月24日至27日,在美国内华达州拉斯维加斯举行的第14届ACM SIGKDD知识发现和数据挖掘国际会议的会议记录中,Ying Li、Bing Liu和Sunita Sarawagi(编辑)。 美国医学会,426--434。 谷歌学者 数字图书馆 耶胡达·科伦和罗伯特·贝尔。 2015年,《协作过滤进展》,《推荐系统手册》,Francesco Ricci、Lior Rokach和Bracha Shapira(编辑)。 施普林格,77-118。 谷歌学者 耶胡达·科伦(Yehuda Koren)、罗伯特·贝尔(Robert M.Bell)和克里斯·沃林斯基(Chris Volinsky)。 2009.推荐系统的矩阵分解技术。 计算机,第42卷,第8卷(2009年),30-37。 谷歌学者 数字图书馆 拉尔夫·克雷斯特尔(Ralf Krestel)、彼得·范克豪斯(Peter Fankhauser)和沃尔夫冈·内德尔(Wolfgang Nejdl)。 2009.标签推荐的潜在dirichlet分配。 2009年10月23日至25日,美国纽约州纽约市,2009年ACM推荐系统会议记录,Lawrence D.Bergman、Alexander Tuzhilin、Robin D.Burke、Alexander Felfernig和Lars Schmidt-Thieme(编辑)。 美国医学会,61-68。 谷歌学者 数字图书馆 Walid Krichene和Steffen Rendle。 2020年。关于项目建议的抽样指标。 在KDD'20:第26届ACM SIGKDD知识发现和数据挖掘会议上,虚拟事件,美国加利福尼亚州,2020年8月23日至27日,Rajesh Gupta,Yan Liu,Jiliang Tang和B.Aditya Prakash(编辑)。 美国医学会,1748-1757年。 谷歌学者 数字图书馆 马西耶·库拉。 2015.用户和项目冷启动建议的元数据嵌入。 2015年9月16日至20日,奥地利维也纳,与第九届ACM推荐系统会议(RecSys 2015)合办的第二届基于内容的推荐系统新趋势研讨会会议记录。 (CEUR研讨会论文集,第1448卷),Toine Bogers和Marijn Koolen(编辑)。 CEUR-WS.org,14-21。 谷歌学者 马西耶·库拉。 2017年,聚焦。 https://github.com/maciejkula/spotlight . 谷歌学者 丹尼尔·莱米尔和安娜·麦克拉克伦。 2005年。基于在线评级的协作过滤的斜率一预测值。2005年SIAM国际数据挖掘会议论文集,SDM 2005,美国加利福尼亚州纽波特海滩,2005年4月21日至23日,Hillol Kargupta,Jaideep Srivastava,Chandrika Kamath和Arnold Goodman(编辑)。 暹罗,471-475。 谷歌学者 交叉引用 李东、金若明、高静和刘智。 2020年,关于抽样Top-K建议评估。 在KDD'20:第26届ACM SIGKDD知识发现和数据挖掘会议上,虚拟事件,美国加利福尼亚州,2020年8月23日至27日,Rajesh Gupta,Yan Liu,Jiliang Tang和B.Aditya Prakash(编辑)。 美国医学会,2114--2124。 谷歌学者 Dawen Liang、Rahul G.Krishnan、Matthew D.Hoffman和Tony Jebara。 2018.用于协作过滤的可变自动编码器。在2018年万维网大会论文集,WWW 2018,法国里昂,2018年4月23日至27日,Pierre Antoine Champin、Fabien L.Gandon、Mounia Lalmas和Panagiotis G.Ipeirotis(编辑)。 美国医学会,689--698。 谷歌学者 数字图书馆 格雷格·林登(Greg Linden)、布伦特·史密斯(Brent Smith)和杰里米·约克(Jeremy York),2003年。 Amazon.com推荐:项目对项目协作过滤。IEEE互联网计算。, 第7卷,第1期(2003年),76-80。 谷歌学者 数字图书馆 刘强、吴淑和王亮。 2017.DeepStyle:学习视觉推荐的用户偏好。 2017年8月7日至11日,在日本东京新宿举行的第40届国际ACM SIGIR信息检索研究与开发会议记录中,Noriko Kando、Tetsuya Sakai、Hideo Joho、Hang Li、Arjen P.de Vries和Ryen W.White(编辑)。 美国医学会,841--844。 谷歌学者 数字图书馆 马尔特·卢德维格(Malte Ludewig)、诺埃米·毛罗(Noemi Mauro)、萨拉·拉蒂菲(Sara Latifi)和迪特马尔·贾纳赫(Dietmar Jannach)。 2019.基于会话的推荐的神经和非神经方法的性能比较。 《第13届ACM推荐系统会议论文集》,RecSys 2019,丹麦哥本哈根,2019年9月16日至20日,Toine Bogers,Alan Said,Peter Brusilovsky和Domonkos Tikk(编辑)。 美国医学会,462--466。 谷歌学者 数字图书馆 马尔特·卢德维格(Malte Ludewig)、诺埃米·毛罗(Noemi Mauro)、萨拉·拉蒂菲(Sara Latifi)和迪特马尔·贾纳赫(Dietmar Jannach)。 2021.基于会话的推荐算法的实证分析。 用户模型。 用户自适应。 互动。, 第31卷,第1期(2021年),149-181。 谷歌学者 数字图书馆 罗欣、周梦初、夏云妮和朱庆生。 2014.推荐系统协同过滤的高效非负矩阵分解方法。 IEEE传输。 《印度信息学》,第10卷,第2卷(2014年),1273-1284。 谷歌学者 交叉引用 郝马、杨海轩、迈克尔·R·吕和欧文·金。 2008年。SoRec:使用概率矩阵分解的社会推荐。 在2008年10月26日至30日于美国加利福尼亚州纳帕谷举行的第17届ACM信息和知识管理会议记录中,James G.Shanahan、Sihem Amer-Yahia、Ioana Manolescu、Yi Zhang、David A.Evans、Aleksander Kolcz、Key-Sun Choi和Abdur Chowdhury(编辑)。 美国医学会,931--940。 谷歌学者 数字图书馆 郝马(Hao Ma)、周登勇(Dengyong Zhou)、刘超(Chao Liu)、迈克尔·R·吕(Michael R.Lyu)和欧文·金(Irwin King)。 2011年,推荐社会正规化系统。 《第四届网络搜索和网络数据挖掘国际会议论文集》,WSDM 2011,中国香港,2011年2月9日至12日,Irwin King、Wolfgang Nejdl和Hang Li(编辑)。 美国医学会,287--296。 谷歌学者 数字图书馆 Sean M.McNee、John Riedl和Joseph A.Konstan。 2006.准确是不够的:准确度指标对推荐系统有多大影响。 2006年4月22日至27日,加拿大魁北克省蒙特利尔市,2006年计算机系统人为因素会议的扩展摘要会议记录,Gary M.Olson和Robin Jeffries(编辑)。 美国医学会,1097--1101。 谷歌学者 孟再乔、理查德·麦克雷迪、克雷格·麦克唐纳和艾德·欧尼斯。 2020年,探索用于评估推荐模型的数据分割策略。 RecSys 2020:第十四届ACM推荐系统会议,虚拟事件,巴西,2020年9月22日至26日。 美国医学会,681--686。 谷歌学者 数字图书馆 夏宁和乔治·卡里皮斯。 2011年,SLIM:Top-N推荐系统的稀疏线性方法。 在2011年12月11-14日于加拿大不列颠哥伦比亚省温哥华举行的第11届IEEE国际数据挖掘会议上,戴安·库克(Diane J.Cook)、建培(Jian Pei)、王伟(Wei Wang)、奥斯马·R·扎伊(Osmar R.Za“i ane)和吴新东(Xindong Wu)(编辑)。IEEE计算机学会,497-506。 谷歌学者 数字图书馆 魏牛、詹姆斯·卡弗利和卢浩凯,2018年。 图像推荐的神经个性化排名。 第十一届ACM网络搜索和数据挖掘国际会议论文集,WSDM 2018,Marina Del Rey,CA,USA,2018年2月5-9日,Yi Chang,Chengxiang Zhai,Yan Liu和Yoelle Maarek(编辑)。 美国医学会,423--431。 谷歌学者 数字图书馆 Tommaso Di Noia、Roberto Mirizzi、Vito Claudio Ostuni、Davide Romito和Markus Zanker。 2012.链接开放数据以支持基于内容的推荐系统。 2012年9月5日至7日,在奥地利格拉茨举行的第八届国际语义系统会议上,瓦伦蒂娜·普雷苏蒂(Valentina Presutti)和海伦娜·索菲亚·平托(Helena Sofia Pinto)发表了《I-SEMANTICS 2012》。 ACM,1--8。 谷歌学者 斯特芬·伦德尔。 2010.保理机。 2010年12月14日至17日在澳大利亚悉尼举行的第十届IEEE数据挖掘国际会议上,ICDM 2010,Geoffrey I.Webb、Bing Liu、Chengqi Zhang、Dimitrios Gunopulos和Xindong Wu(编辑)。 IEEE计算机学会,995-1000。 谷歌学者 数字图书馆 斯特芬·伦德尔(Steffen Rendle)、克里斯托夫·弗洛伊登塔勒(Christoph Freudenthaler)、泽诺·甘特纳(Zeno Gantner)和拉尔斯·施密特·蒂姆(Lars Schmidt-Thieme)。 2009年,BPR:来自隐含反馈的贝叶斯个性化排名。 2009年UAI,《第二十五届人工智能不确定性会议论文集》,加拿大魁北克省蒙特利尔,2009年6月18-21日,Jeff A.Bilmes和Andrew Y.Ng(编辑)。 AUAI出版社,452--461。 谷歌学者 数字图书馆 Steffen Rendle、Walid Krichene、Li Zhang和John R.Anderson。 2020年,神经协同过滤与矩阵分解之比较。 RecSys 2020:第十四届ACM推荐系统会议,虚拟事件,巴西,2020年9月22日至26日。 美国医学会,240-248。 谷歌学者 数字图书馆 Steffen Rendle、Li Zhang和Yehuda Koren。 2019.评估基线的困难:推荐系统研究。 CoRR,第abs/1905.01395卷(2019年)。 谷歌学者 Paul Resnick、Neophyts Iacovou、Mitesh Suchak、Peter Bergstrom和John Riedl。 1994年,GroupLens:网络新闻协同过滤的开放架构。 1994年10月22日至26日,美国北卡罗来纳州Chapel Hill,CSCW’94,计算机支持的合作工作会议记录,John B.Smith、F.Donelson Smith和Thomas W.Malone(编辑)。 美国医学会,175--186。 谷歌学者 数字图书馆 Alan Said和Alejandro Bellog’i n.2014a。 比较推荐系统评估:基准推荐框架。 2014年10月6日至10日,在美国加利福尼亚州硅谷福斯特城举行的第八届ACM推荐系统会议上,Alfred Kobsa、Michelle X.Zhou、Martin Ester和Yehuda Koren(编辑)。 美国医学会,129--136。 谷歌学者 数字图书馆 Alan Said和Alejandro Bellog’i n.2014b。 竞争对手:在推荐系统评估中促进再现性的工具包。 2014年10月6日至10日,在美国加利福尼亚州硅谷福斯特城举行的第八届ACM推荐系统会议上,Alfred Kobsa、Michelle X.Zhou、Martin Ester和Yehuda Koren(编辑)。 美国医学会,371--372。 谷歌学者 数字图书馆 阿希莱斯·萨拉赫(Aghiles Salah)、奎克·阮楚恩(Quoc-Tuan Truong)和哈迪·劳伊(Hady W.Lauw)。 2020年。《Cornac:多模式推荐系统的比较框架》。 J.马赫。 学习。 研究,第21卷(2020),95:1--95:5。 谷歌学者 Ruslan Salakhutdinov和Andriy Mnih。 2007.概率矩阵分解。 《神经信息处理系统进展20》,第二十一届神经信息处理系统年会论文集,加拿大不列颠哥伦比亚省温哥华,2007年12月3日至6日,John C.Platt、Daphne Koller、Yoram Singer和Sam T.Roweis(编辑)。 Curran Associates公司,1257--1264。 谷歌学者 巴德鲁·穆尼尔·萨瓦尔(Badrul Munir Sarwar)、乔治·卡里皮斯(George Karypis)、约瑟夫·康斯坦(Joseph A.Konstan)和约翰·里德尔(John Riedl)。 2001.基于项目的协同过滤推荐算法。 2001年5月1日至5日,第十届国际万维网会议记录,WWW 10,中国香港,Vincent Y.Shen,Nobuo Saito,Michael R.Lyu和Mary Ellen Zurko(编辑)。 美国医学会,285--295。 谷歌学者 数字图书馆 G.Schröder、M.Thiele和W.Lehner。 2011.为推荐人系统评估设定目标和选择指标。 CEUR研讨会论文集,第811卷(2011年),78-85。 谷歌学者 Suvash Sedhain、Aditya Krishna Menon、Scott Sanner和Lexing Xie。 2015年。AutoRec:自动编码器与协作过滤。第24届万维网伴侣国际会议论文集,WWW 2015,意大利佛罗伦萨,2015年5月18日至22日-伴侣卷,Aldo Gangemi、Stefano Leonardi和Alessandro Panconesi(编辑)。 美国医学会,111-112。 谷歌学者 数字图书馆 朱孙、狄瑜、慧芳、杰扬、曲兴华、张杰和聪庚。 2020年。我们是否在严格评估? 可复制评估和公平比较的基准建议。 RecSys 2020:第十四届ACM推荐系统会议,虚拟事件,巴西,2020年9月22日至26日。 美国医学会,23-32。 谷歌学者 数字图书馆 唐金辉、杜晓宇、何向南、袁发杰、田琦和蔡大胜。 2020年,面向强大多媒体推荐系统的对抗训练。 IEEE传输。 知识。 《数据工程》,第32卷,第5卷(2020年),第855-867页。 谷歌学者 交叉引用 唐家喜和王可。 2018.通过卷积序列嵌入的个性化Top-N序列推荐。 第十一届ACM网络搜索和数据挖掘国际会议论文集,WSDM 2018,Marina Del Rey,CA,USA,2018年2月5-9日,Yi Chang,Chengxiang Zhai,Yan Liu和Yoelle Maarek(编辑)。 美国医学会,565--573。 谷歌学者 数字图书馆 弗吉尼亚州尖洲、伊娃格利亚·皮托拉和帕纳伊奥蒂斯·察帕拉索。 2019.推荐系统中的偏差差异。 2019年9月20日,丹麦哥本哈根,与第十三届ACM推荐系统会议(RecSys 2019)合办的多用户环境推荐研讨会会议记录(CEUR研讨会记录,第2440卷),Robin Burke、Himan Abdollahpouri、Edward C.Malthouse、K.P.Thai和Yongfeng Zhang(编辑)。 CEUR-WS.org网站。 谷歌学者 Daniel Valcarce、Alejandro Bellog’in、Javier Parapar和Pablo Castells。 2018年,关于排名前N的推荐的信息检索指标的稳健性和辨别力。 在2018年10月2-7日于加拿大不列颠哥伦比亚省温哥华举行的第十二届ACM推荐系统会议记录中,Sole Pera、Michael D.Ekstrand、Xavier Amatriain和John O'Donovan(编辑)。 美国医学会,260-268。 谷歌学者 数字图书馆 萨尔·瓦尔加斯。 2014.推荐系统和信息检索中的新颖性和多样性增强和评估。 2014年7月6日至11日在澳大利亚昆士兰州黄金海岸举行的第37届国际ACM SIGIR信息检索研究与开发会议上,Shlomo Geva、Andrew Trotman、Peter Bruza、Charles L.A.Clarke和Kalervo J“A rvelin(编辑)。ACM,1281。 谷歌学者 数字图书馆 索尔·巴尔加斯和巴勃罗·卡斯特尔斯。 2011.推荐系统新颖性和多样性指标的排名和相关性。 2011年10月23日至27日,美国伊利诺伊州芝加哥市,2011年ACM推荐系统会议记录,Bamshad Mobasher、Robin D.Burke、Dietmar Jannach和Gedimisas Adomavicius(编辑)。 美国医学会,109-116。 谷歌学者 数字图书馆 Jun Wang、Lantao Yu、Weinan Zhang、Yu Gong、Yinghui Xu、Benyou Wang、Peng Zhang和Dell Zhang。 2017年,《IRGAN:统一生成和鉴别信息检索模型的Minimax游戏》。 2017年8月7日至11日,在日本东京新宿举行的第40届国际ACM SIGIR信息检索研究与开发会议记录中,Noriko Kando、Tetsuya Sakai、Hideo Joho、Hang Li、Arjen P.de Vries和Ryen W.White(编辑)。 顶点,515-524。 谷歌学者 数字图书馆 王翔、何向南、王萌、冯富力和蔡大胜。 2019.神经图协同过滤。第42届ACM SIGIR信息检索研究与开发国际会议论文集,2019年7月21日至25日,法国巴黎,2019,Benjamin Piwowarski,Max Chevalier,Eric Gaussier,Yoelle Maarek,Jian-Yun Nie和Falk Scholer(编辑)。 美国医学会,165--174。 谷歌学者 数字图书馆 姚武(Yao Wu)、克里斯托弗·杜波伊斯(Christopher DuBois)、爱丽丝·X·郑(Alice X.Zheng)和马丁·埃斯特尔(Martin Ester)。 2016.Top-N推荐系统的协作去噪自动编码器。 在2016年2月22日至25日于美国加利福尼亚州旧金山举行的第九届ACM网络搜索和数据挖掘国际会议的会议记录中,Paul N.Bennett、Vanja Josifovski、Jennifer Neville和Filip Radlinski(编辑)。 美国医学会,153-162。 谷歌学者 数字图书馆 肖军(Jun Xiao)、郝烨(Hao Ye)、何向南(Xiangan He)、张汉旺(Hanwang Zhang)、吴飞(Fei Wu)和蔡大胜(Tat-Seng Chua)。 2017.注意因素分解机器:通过注意网络学习特征交互的权重。 2017年8月19日至25日,澳大利亚墨尔本,第二十六届国际人工智能联合会议记录,Carles Sierra(Ed.)。 ijcai.org,3119-3125。 谷歌学者 数字图书馆 薛洪健、戴新宇、张建兵、黄树坚和陈佳军。 2017.推荐系统的深度矩阵分解模型。 2017年8月19日至25日,澳大利亚墨尔本,第二十六届国际人工智能联合会议记录,Carles Sierra(Ed.)。 ijcai.org,3203--3209。 谷歌学者 交叉引用 杨龙奇、尤金·巴格达萨利安、约书亚·格伦斯坦、谢诚康和黛博拉·埃斯特林,2018年。 OpenRec:可扩展和自适应推荐算法的模块化框架。 在第十一届ACM网络搜索和数据挖掘国际会议论文集,WSDM 2018,美国加利福尼亚州Marina Del Rey,2018年2月5日至9日,Yi Chang、Chengxiang Zhai、Yan Liu和Yoelle Maarek(编辑)。 美国医学会,664--672。 谷歌学者 数字图书馆 尹洪志、崔斌、李静、姚俊杰和陈晨。 2012.挑战长尾建议。 程序。 荷兰VLDB。, 第5卷,第9卷(2012年),896--907。 谷歌学者 数字图书馆 于俊良、高敏、尹洪志、李俊东、高崇明和王勤勇。 2019.通过对抗训练培养可靠的朋友,以改进社会推荐。 2019年IEEE国际数据挖掘会议,2019年ICDM,中国北京,2011年11月8-11日,王建勇,Shim Kyuseok和吴新东(编辑)。 IEEE,768--777。 谷歌学者 交叉引用 翟成祥(ChengXiang Zhai)、威廉·科恩(William W.Cohen)和约翰·拉弗蒂(John D.Lafferty)。 超越独立相关性:次主题检索的方法和评价指标。 2003年7月28日至8月1日,加拿大多伦多,Charles L.A.Clarke,Gordon V.Cormack,Jamie Callan,David Hawking和Alan F.Smeaton(编辑),《SIGIR 2003:第26届国际ACM SIGIR信息检索研究与开发会议论文集》。 ACM,10-17。 谷歌学者 数字图书馆 张盛、王卫红、詹姆斯·福特和菲莉亚·马克登。 2006年,使用非负矩阵因子分解从不完整评级中学习。 2006年4月20日至22日,第六届SIAM数据挖掘国际会议论文集,美国医学博士贝塞斯达、乔伊迪普·戈什、戴安·兰伯特、戴维·斯基利科恩和贾迪埃普·斯里瓦斯塔瓦(编辑)。 暹罗,549--553。 谷歌学者 交叉引用 Wayne Xin Zhao、Shanlei Mu、Yupeng Hou、Zihan Lin、Kaiyuan Li、Yushuo Chen、Yujie Lu、Hui Wang、Chanxin Tian、Xingyu Pan、Yingqian Min、Zhichao Feng、Xinyan Fan、Xu Chen、Pengfei Wang、Wendi Ji、Yaliang Li、Xiaoling Wang和Ji Rong Wen。 2020年:总结:建立统一、全面和高效的推荐算法框架。 CoRR,第abs/2011.01731卷(2020年)。 谷歌学者 周国瑞、朱小强、宋诚儒、范颖、朱寒、小马、严阳辉、金俊琪、李寒和盖坤。 2018年,点击率预测深度兴趣网络。 在2018年8月19-23日于英国伦敦举行的第24届ACM SIGKDD知识发现与数据挖掘国际会议的会议记录中,Yike Guo和Faisal Farooq(编辑)。 美国医学会,1059--1068。 谷歌学者 数字图书馆 朱紫薇、何云、赵星、张茵、王建玲和詹姆斯·卡弗利。 2021.协作过滤中的普及率-机会偏见。第十四届ACM网络搜索和数据挖掘国际会议论文集(WSDM’21),2021年3月8日至12日,以色列虚拟事件。 ACM公司。 谷歌学者 数字图书馆 朱紫薇、胡霞和詹姆斯·卡弗利。 2018年,基于公平-软件张量的建议。 在2018年10月22日至26日于意大利都灵举行的第27届ACM信息和知识管理国际会议的会议记录中,阿尔弗雷多·库佐克雷、詹姆斯·艾伦、诺曼·W·帕顿、迪维什·斯利瓦斯塔瓦、拉凯什·阿格拉瓦尔、安德烈·布罗德、穆罕默德·扎基、K.塞尔库克·坎丹、亚历山德罗斯·拉布里尼迪斯、阿萨夫·舒斯特和王海迅(编辑)。 美国医学会,1153--1162。 谷歌学者 数字图书馆 朱紫薇、王建玲和詹姆斯·卡弗利。 2020年,测量和缓解个性化排名系统中的推荐偏差项。 在第43届国际ACM SIGIR信息检索研究与开发会议的会议记录中,SIGIR 2020,虚拟事件,中国,2020年7月25日至30日,Jimmy Huang、Yi Chang、Xueqi Cheng、Jaap Kamps、Vanessa Murdock、Ji-Rong Wen和Yiqun Liu(编辑)。 美国医学会,449--458。 谷歌学者 数字图书馆
索引术语
Elliot:一个全面而严格的可复制推荐系统评估框架
建议
推荐系统中以用户为中心的流行度偏差评估 UMAP’21:第29届ACM用户建模、适应和个性化会议记录 众所周知,推荐和排名系统存在受欢迎度偏差; 算法倾向于偏爱少数热门项目,而低估了大多数其他项目。 先前的研究已经研究了缓解……的各种方法。。。 推荐系统中的时间差异 SIGIR’10:第33届国际ACM SIGIR信息检索研究与开发会议记录 用于构建基于web的推荐系统的协作过滤(CF)算法通常根据如何 准确地 他们预测用户评分。 然而,当前的评估技术忽视了用户继续对项目进行评级的事实 ...