推薦系統乾貨總結【全】

前言

推薦系統是一個至關火熱的研究方向，在工業界和學術界都獲得了你們的普遍關注。但願經過此文，總結一些關於推薦系統領域相關的會議、知名學者，以及作科研經常使用的數據集、代碼庫等，一來算是對本身涉獵推薦系統領域的整理和總結，二來但願可以幫助想入門推薦系統的童鞋們提供一個參考，但願可以儘快上手推薦系統，進而更好更快的深刻科研也好、工程也罷。更多關於推薦系統的內容請參考拙做推薦系統從入門到接着入門

1、 相關會議

對於推薦系統領域，直接相關的會議很少，但因爲推薦系統會涉及到數據挖掘、機器學習等方面的知識，而且推薦系統做爲數據挖掘和機器學習的重要應用之一，同時推薦系統往更大的領域靠攏的話也屬於人工智能的範疇，所以不少作推薦的學者把目光也瞄向了數據挖掘、機器學習和人工智能方面的會議。因此，若是想關注推薦系統的前沿，咱們須要不只關注推薦系統年會，還須要關注其餘與推薦掛鉤的會議。

一、與推薦系統直接相關的會議

RecSys -The ACM Conference Series on Recommender Systems.

二、數據挖掘相關的會議

SIGKDD - The ACM SIGKDD Conference on Knowledge Discovery and Data Mining.

WSDM - The International Conference on Web Search and Data Mining.

ICDM - The IEEE International Conference on Data Mining.

SDM -TheSIAM International Conference on Data Mining.

三、機器學習相關的會議

ICML - The International Conference on Machine Learning.

四、信息檢索相關的會議

SIGIR - The ACM International Conference on Research and Development in Information Retrieval

五、數據庫相關的會議

CIKM - The ACM International Conference on Information and Knowledge Management.

六、Web相關的會議

WWW - The International World Wide Web Conference.

七、人工智能相關的會議

AAAI - The National Conference of the American Association for Artificial Intelligence.

IJCAI - The International Joint Conference on Artificial Intelligence.

2、相關學者

一、Yehuda Koren

我的主頁：Koren's HomePage

主要貢獻：Netflix Prize的冠軍隊成員，是推薦系統領域的大神級人物，現就任於雅虎

表明文獻：Matrix Factorization Techniques For Recommender Systems

二、Hao Ma

我的主頁：HaoMa's HomePage

主要貢獻：社會化推薦領域的大牛，提出了許多基於社會化推薦的有效算法，現就任於微軟

表明文獻：SoRec: Social Recommendation Using Probabilistic Matrix Factorization

三、郭貴冰

我的主頁：Guibing Guo's HomePage

主要貢獻：國內推薦系統大牛，創辦了推薦系統開源項目LibRec

表明文獻：TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings

四、Hao Wang

我的主頁：HaoWang's HomePage

主要貢獻：擅長運用深度學習技術提升推薦系統性能

表明文獻：Collaborative deep learning for recommender systems

五、何向南

我的主頁：Xiangnan He's Homepage

主要貢獻：運用深度學習技術提升推薦系統性能

表明文獻：Neural Collaborative Filtering

六、Robin Burke

我的主頁：rburke's HomePage

主要貢獻：混合推薦方向的大牛

表明文獻：Hybrid recommender systems: Survey and experiments

七、項亮

主要貢獻：國內推薦系統領域中理論與實踐並重的專家，Netflix Prize第二名

表明文獻：《推薦系統實踐》。

八、石川

我的主頁：shichuan's HomePage

主要貢獻：研究方向爲異質信息網絡上的推薦，提出了加權的異質信息類似度計算等

表明文獻：Semantic Path based Personalized Recommendation on Weighted Heterogeneous Information Networks

3、相關論文

一、RSPapers

最近和幾個同窗共同整理了關於推薦系統的一些經典必讀論文，包括綜述文章、傳統經典推薦文章、社會化推薦文章、基於深度學習的推薦系統文章以及專門用於解決冷啓動問題的文章等。該項目還在持續更新中，歡迎你們star，歡迎你們補充，讓咱們一塊兒構建一個完整的入門推薦論文清單，讓想入門推薦的童鞋們沒必要再想我們同樣痛苦吧。

項目連接：hongleizhang/RSPapers

4、相關課程

Recommender Systems Specialization

最近，coursea上開放了推薦系統專項課程《Recommender Systems Specialization》。

該課程於2018年3月26日開課，這個系列由4門子課程和1門畢業項目課程組成，包括推薦系統導論，最近鄰協同過濾，推薦系統評價，矩陣分解和高級技術等，感興趣的同窗能夠關注。

5、關於數據集

一、MovieLens

適用於傳統的推薦任務，提供了3種不一樣規模的數據，包含用戶對電影的評分信息，用戶的人口統計學特徵以及電影的描述特徵。

二、Filmtrust

適用於社會化推薦任務，規模較小，包含用戶對電影的評分信息，同時包含用戶間的信任社交信息。

三、Douban

適用於社會化推薦任務，規模適中，包含用戶對電影的評分信息，同時包含用戶間的信任社交信息。

四、Epinions

適用於社會化推薦任務，規模較大，包含用戶對電影的評分信息，同時包含用戶間的信任社交信息，值得注意的是，該數據集同時還包括不信任關係信息。

五、Yelp

幾乎適用於全部推薦任務，數據規模大，須要手動提取本身須要的信息，包含評價評分信息，用戶信息（註冊信息、粉絲數量、朋友信息），商品信息（屬性信息、位置信息、圖像信息），建議信息等。

6、代碼與工具

一、LibRec

java版本開源推薦系統，包含了70多種經典的推薦算法。

二、Surprise

python版本開源推薦系統，包含了多種經典的推薦算法。

三、LibMF

c++版本開源推薦系統，主要實現了基於矩陣分解的推薦算法。

四、Recommender-System

python版本開源推薦系統，包含了多種經典的推薦算法。

五、Neural Collaborative Filtering

python實現神經協同過濾推薦算法。

未完待續...