「推荐系统」领域近期有哪些值得读的论文？| 每周论文清单
在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背后的探索和思考。
在這個欄目里，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。
點擊本文底部的「閱讀原文」即刻加入社區，查看更多最新論文推薦。
這是 PaperDaily 的第?37?篇文章@Ttssxuan 推薦
#Reinforcement Learning
本文使用強化學習進行推薦，并借助 biclustering 減少狀態和動作空間，優化效率和效果。
Learning Continuous User Representations through Hybrid Filtering with doc2vec@Ttssxuan 推薦
#doc2vec
本文將用行為使用 item 描述進行串連，構成文檔，并使用 doc2vec 訓練用戶表示向量。
Deep Reinforcement Learning for List-wise Recommendations@paperweekly 推薦
#Reinforcement Learning
本文將增強學習應用于推薦系統，構建了一個在線的 user-agent 交互模擬器，本文工作來自京東等。
Leveraging Long and Short-term Information in Content-aware Movie Recommendation
@zhangjun 推薦
#Generative Adversarial Networks
本文提出了一種新穎的基于生成對抗網絡的推薦系統，采用強化學習動態調整歷史長期偏好和短期會話的模型，此外，還加入了封面圖片特征進一步提升系統性能，最后在兩個數據集上做到 state-of-art 的性能。
Deep Collaborative Autoencoder for Recommender Systems: A Unified Framework for Explicit and Implicit Feedback@zhangjun 推薦
#Autoencoder
本文給出了一個基于 Autoencoder 的推薦系統框架，同時兼顧顯式反饋和隱式反饋。
Use of Deep Learning in Modern Recommendation System: A Summary of Recent Works@luosha865 推薦
#Deep Learning
論文總結了 2013 年以來，最近 33 篇深度學習應用于推薦系統領域的文章。按照內容相關，協同過濾，混合方法分別進行介紹，可以作為不錯的索引。
A Context-Aware User-Item Representation Learning for Item Recommendation@paperweekly 推薦
#POI Recommendation
本文對用戶評論與商品評論進行交互式建模，通過識別與用戶和商品都相關的文本信息，提取用戶商品聯合特征，在 Amazon 五個打分預測數據集上均取得了優秀的性能。
Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time@luosha865 推薦
#Recommender System
本文介紹了 Pinterest 的 Pixie 系統，主要針對他們開發的隨機游走和剪枝算法，此外系統本身基于 Stanford Network Analysis Platform 實現。
@zhangjun 推薦
#Random Walks
本文是一篇綜述文章，關于“隨機游走”在推薦系統中的相關應用。
@zhangjun 推薦
#Deep Learning
本文回顧了大部分推薦系統在深度學習上的方法，并對這些方法進行了宏觀的整合。讓我們了解了在推薦系統中，用深度學習的方法和傳統方法相結合的多種方法，可以給我們帶來一些新的啟發。
Auto-Encoding User Ratings via Knowledge Graphs in Recommendation Scenarios@jojoe 推薦
#Recommender System
本文將電影與電影標簽之間的映射關系應用到 AutoEncoder 的可見層和隱層的連接中，將用戶對電影的打分情況作為訓練數據，使得最后得到的降維表示具有解釋性（用戶對電影標簽的偏好）。
@jojoe 推薦
#Recommender System
本文結合音頻和文本來進行歌曲推薦，只要給定一首歌就可以進行相關推薦，非常實用。
本文由 AI 學術社區 PaperWeekly 精選推薦，社區目前已覆蓋自然語言處理、計算機視覺、人工智能、機器學習、數據挖掘和信息檢索等研究方向，點擊「閱讀原文」即刻加入社區！
我是彩蛋?
?解鎖新功能：熱門職位推薦！
PaperWeekly小程序升級啦
今日arXiv√猜你喜歡√熱門職位√
找全職找實習都不是問題
?
?解鎖方式?
1. 識別下方二維碼打開小程序
2. 用PaperWeekly社區賬號進行登陸
3. 登陸后即可解鎖所有功能
?職位發布?
請添加小助手微信（pwbot01）進行咨詢
?
長按識別二維碼，使用小程序
*點擊閱讀原文即可注冊
關于PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。
總結
以上是生活随笔為你收集整理的「推荐系统」领域近期有哪些值得读的论文？| 每周论文清单的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： PTGAN：针对行人重识别的生成对抗网络
- 下一篇： 机器阅读理解 / 知识库 / 深度学习