推荐系统相关会议

1.推荐系统相关会议:

RecSys

SIGKDD

WSDM

ICDM

SDM

SIGIR

CIKM

WWW

AAAI

IJCAI

2.相关scholar

(1)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,现就职于雅虎

代表文献:Matrix Factorization Techniques For Recommender Systems

(2)Hao Ma:

个人主页:HaoMa's HomePage

主要贡献:社会化推荐领域的大牛,提出了许多基于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

(3)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

(4)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

(5)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

(6)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

(7)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》。

(8)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

3.相关paper:

项目链接:hongleizhang/RSPapers

4.相关course

Recommender Systems Specialization

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

5相关dataset

(1)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。

(2)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。

(3)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。

(4)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。

(5)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。

6.相关code

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、Recommender-System

python版本开源推荐系统,包含了多种经典的推荐算法。

5、Neural Collaborative Filtering


 

 

 

你可能感兴趣的:(推荐系统)