RSPapers

RSPapers 项目介绍

项目背景

RSPapers 是一个专注于推荐系统的项目，旨在为研究人员和从业者提供经过精心挑选的论文和教程列表。推荐系统在现代信息社会中扮演着重要角色，能够帮助用户从海量信息中找到他们感兴趣的内容。RSPapers 提供了涵盖推荐系统不同方面的论文，包括系统教程、综合调查、一般推荐系统、社交推荐系统、基于深度学习的推荐系统等。

内容结构

RSPapers 的内容被分类为多种主题，每个主题都包含相关的重要论文和研究成果：

教程（Tutorials）：涵盖了许多顶级会议上由著名研究人员提供的推荐系统教程。
调查（Surveys）：提供了一系列关于推荐系统的综合调查报告，如混合推荐系统、社交推荐系统等。
一般推荐系统（General RS）：涉及一些利用经典模型和实际理论进行预测的著名推荐论文。
社交推荐系统（Social RS）：关注如何利用信任信息和社交信息缓解评分数据稀疏性的问题。
深度学习推荐系统（Deep Learning-based RS）：展示了一些使用深度学习技术构建推荐系统的论文。
冷启动问题（Cold Start Problem in RS）：专门处理协同过滤中的冷启动问题。
高效推荐系统（Efficient RS）：研究如何高效地训练和运行推荐系统。
可解释性问题（Explainability in RS）：探讨推荐系统中的“为何”问题，即为何推荐某些项目，并生成推荐解释的技术。
点击率预测（CTR Prediction for RS）：关注点击率预测作为推荐过程的一部分。
知识图谱（Knowledge Graph for RS）：近年来，知识图谱作为行为交互矩阵的辅助信息，可以有效缓解数据稀疏和冷启动问题，并提供推荐结果的可靠解释。
基于评论的推荐系统（Review based RS）：讨论基于评论或文本的推荐系统。
对话式推荐系统（Conversational RS）：利用自然语言处理技术进行交互式推荐。
工业推荐系统（Industrial RS）：涉及一些行业中最佳实践的论文。
隐私保护与安全（Privacy&Security RS）：关于推荐系统中隐私保护和安全的论文。
大型语言模型在推荐系统中的应用（LLM for RS）：涉及在推荐系统中使用大型语言模型的研究。