Reinforcement Learning based Recommender System using Biclustering Technique
@Ttssxuan 推荐
#Reinforcement Learning
本文使用强化学习进行推荐，并借助 biclustering 减少状态和动作空间，优化效率和效果。
论文链接
https://www.paperweekly.site/papers/1571
Learning Continuous User Representations through Hybrid Filtering with doc2vec
@Ttssxuan 推荐
#doc2vec
本文将用行为使用 item 描述进行串连，构成文档，并使用 doc2vec 训练用户表示向量。
论文链接
https://www.paperweekly.site/papers/1562
Deep Reinforcement Learning for List-wise Recommendations
@paperweekly 推荐
#Reinforcement Learning
本文将增强学习应用于推荐系统，构建了一个在线的 user-agent 交互模拟器，本文工作来自京东等。
论文链接
https://www.paperweekly.site/papers/1472
Leveraging Long and Short-term Information in Content-aware Movie Recommendation
@zhangjun 推荐
#Generative Adversarial Networks
本文提出了一种新颖的基于生成对抗网络的推荐系统，采用强化学习动态调整历史长期偏好和短期会话的模型，此外，还加入了封面图片特征进一步提升系统性能，最后在两个数据集上做到 state-of-art 的性能。
论文链接
https://www.paperweekly.site/papers/1435
Deep Collaborative Autoencoder for Recommender Systems: A Unified Framework for Explicit and Implicit Feedback
@zhangjun 推荐
#Autoencoder
本文给出了一个基于 Autoencoder 的推荐系统框架，同时兼顾显式反馈和隐式反馈。
论文链接
https://www.paperweekly.site/papers/1432
Use of Deep Learning in Modern Recommendation System: A Summary of Recent Works
@luosha865 推荐
#Deep Learning
论文总结了 2013 年以来，最近 33 篇深度学习应用于推荐系统领域的文章。按照内容相关，协同过滤，混合方法分别进行介绍，可以作为不错的索引。
论文链接
https://www.paperweekly.site/papers/1417
A Context-Aware User-Item Representation Learning for Item Recommendation
@paperweekly 推荐
#POI Recommendation
本文对用户评论与商品评论进行交互式建模，通过识别与用户和商品都相关的文本信息，提取用户商品联合特征，在 Amazon 五个打分预测数据集上均取得了优秀的性能。
论文链接
https://www.paperweekly.site/papers/1585
Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time
@luosha865 推荐
#Recommender System
本文介绍了 Pinterest 的 Pixie 系统，主要针对他们开发的随机游走和剪枝算法，此外系统本身基于 Stanford Network Analysis Platform 实现。
论文链接
https://www.paperweekly.site/papers/1437
Recommender Systems with Random Walks: A Survey
@zhangjun 推荐
#Random Walks
本文是一篇综述文章，关于“随机游走”在推荐系统中的相关应用。
论文链接
https://www.paperweekly.site/papers/1132
Deep Learning Based Recommender System: a Survey and New Perspectives
@zhangjun 推荐
#Deep Learning
本文回顾了大部分推荐系统在深度学习上的方法，并对这些方法进行了宏观的整合。让我们了解了在推荐系统中，用深度学习的方法和传统方法相结合的多种方法，可以给我们带来一些新的启发。
论文链接
https://www.paperweekly.site/papers/557
Auto-Encoding User Ratings via Knowledge Graphs in Recommendation Scenarios
@jojoe 推荐
#Recommender System
本文将电影与电影标签之间的映射关系应用到 AutoEncoder 的可见层和隐层的连接中，将用户对电影的打分情况作为训练数据，使得最后得到的降维表示具有解释性（用户对电影标签的偏好）。
论文链接
https://www.paperweekly.site/papers/1256
A Deep Multimodal Approach for Cold-start Music Recommendation
@jojoe 推荐
#Recommender System
本文结合音频和文本来进行歌曲推荐，只要给定一首歌就可以进行相关推荐，非常实用。
论文链接
https://www.paperweekly.site/papers/1209
