awesome-recommend-system-pretraining-papers学习资料汇总 - 推荐系统预训练模型论文列表

awesome-recommend-system-pretraining-papers学习资料汇总

awesome-recommend-system-pretraining-papers是一个汇总推荐系统预训练模型相关论文的GitHub项目。该项目收集了大量关于推荐系统预训练模型的最新研究论文,包括综述、数据集、实证研究、序列推荐、用户表示预训练、双塔预训练、语言模型推荐等多个方向,为推荐系统领域的研究人员提供了宝贵的学习资源。

项目概览

该项目由北京大学的Xiangyang Li维护,目前已收录了近百篇相关论文。主要内容包括:

• 综述论文
• 数据集资源
• 实证研究论文
• 序列/会话推荐论文
• 用户表示预训练论文
• 双塔预训练论文
• 语言模型推荐论文
• 大语言模型推荐论文
• 图预训练论文

此外,项目还提供了相关研讨会和教程的信息,以及其他相关资源的链接。

主要学习资源

1. 综述论文

• Knowledge Transfer via Pre-training for Recommendation: A Review and Prospect (arXiv 2020)
• Self-Supervised Learning for Recommender Systems: A Survey (arXiv 2022)
• Pre-train, Prompt and Recommendation: A Comprehensive Survey of Language Modelling Paradigm Adaptations in Recommender Systems (arXiv 2022)
• How Can Recommender Systems Benefit from Large Language Models: A Survey (arXiv 2023)

2. 重要数据集

• Yelp数据集
• Netflix数据集
• NineRec数据集
• MicroLens数据集

3. 代表性论文及代码实现

• BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer (论文 | 代码)
• S3-Rec: Self-Supervised Learning for Sequential Recommendation with Mutual Information Maximization (论文 | 代码)
• Transformers4Rec: Bridging the Gap between NLP and Sequential / Session-Based Recommendation (论文 | 代码)

4. 大语言模型推荐相关资源

• Awesome-LLM-for-RecSys

如何使用

研究人员可以通过以下方式使用该项目:

1. 浏览论文列表,了解推荐系统预训练模型领域的最新进展
2. 下载开源数据集进行实验
3. 参考开源代码实现,复现或改进现有方法
4. 关注项目动态,及时获取新增的论文和资源

总结

awesome-recommend-system-pretraining-papers项目为推荐系统预训练模型研究提供了全面的论文列表和丰富的学习资源。无论是入门学习还是前沿探索,该项目都是值得收藏的宝贵资料库。研究人员可以充分利用项目提供的论文、数据集和代码资源,推动推荐系统预训练模型研究的进一步发展。