2018 推薦系統總結
搜尋：recsys 2018 總結
2018 年最全的推薦系統乾貨（ECCV、CVPR、AAAI、ICML）
https://www.ctolib.com/topics-134912.html
RecSys2018會議總結
https://www.jianshu.com/p/282d1e90aaf9
推薦系統頂會RecSys 2018論文及程式碼集錦(1)
https://www.doc11.com/p/7669.html
推薦系統頂會RecSys 2018論文及程式碼集錦(2)
https://www.doc11.com/p/8217.html
Recsys2018 總結 （推薦系統最新技術、應用和方向）32篇論文解讀
ACM recsys十年回顧(轉載)
https://www.deeplearn.me/1806.html
相關學者
1、Yehuda Koren
個人主頁：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，現就職於雅虎
代表文獻：Matrix Factorization Techniques For Recommender Systems
2、Hao Ma
個人主頁：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演算法，現就職於微軟
代表文獻：SoRec: Social Recommendation Using Probabilistic Matrix Factorization
3、郭貴冰
個人主頁：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專案LibRec
代表文獻：TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings
4、Hao Wang
個人主頁：HaoWang’s HomePage
主要貢獻：擅長運用深度學習技術提高推薦系統性能
代表文獻：Collaborative deep learning for recommender systems
5、何向南
個人主頁：Xiangnan He’s Homepage
主要貢獻：運用深度學習技術提高推薦系統性能
代表文獻：Neural Collaborative Filtering
6、Robin Burke
個人主頁：rburke’s HomePage
主要貢獻：混合推薦方向的大牛
代表文獻：Hybrid recommender systems: Survey and experiments
7、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
代表文獻：《推薦系統實踐》。
8、石川
個人主頁：shichuan’s HomePage
主要貢獻：研究方向為異質資訊網路上的推薦，提出了加權的異質資訊相似度計算等
代表文獻：Semantic Path based Personalized Recommendation on Weighted Heterogeneous Information Networks