隨著大數據時代的飛速發展，信息逐漸呈現出過載狀態。推薦系統，作為近年來實現信息生產者與消費者之間利益均衡化的有效手段之一，越來越發揮著舉足輕重的作用。像今日頭條、抖音這樣的APP之所以如此之火，讓人們欲罷不能，無非是抓住了用戶想看什么的心理，那么如何才能抓住用戶的心理，那就需要推薦系統的幫助了。因此在這個張揚個性的時代，無論你是開發工程師還是產品經理，我們都有必要了解一下個性化推薦的一些經典工作與前沿動態。于是我們于2018年創建了Github項目RSPapers：

https://github.com/hongleizhang/RSPapers

該項目提供了一些關于推薦系統的經典綜述文章、主流的推薦算法文章、社會化推薦算法論文、基于深度學習的推薦系統論文(包括目前較火的GCN網絡)以及關于專門處理冷啟動問題的相關論文、推薦中的效率問題以及推薦當中的探索與利用問題、推薦可解釋性、基于評論的推薦等。當然該項目包含但不局限于以上這些模塊。目前累計star數量已達2.4k，感謝大家的貢獻與支持。

最近對話推薦系統(Conversational RS，CRS)由于其可以與用戶進行多輪交互進而提供更好的推薦體驗，在學術界和工業界中都得到了非常多的關注。我們注意到今年的SIGIR會議中專門開設了關于CRS的Tutorial，直播/回看地址為：

https://sigir-schedule.baai.ac.cn/live/DAY26?tuid=tut0003

可見關于其研究逐漸火熱，另外尤其是2020年發表了許多關于CRS的論文，特此進行了整理，希望對大家有所幫助。

Conversational RS

• Dietmar et al.?A Survey on Conversational Recommender Systems.?arXiv, 2020.

• Zhao et al.?Interactive collaborative filtering.?CIKM, 2013.

• Negar et al.?Context adaptation in interactive recommender systems.?RecSys, 2014.

• Yasser et al.?History-guided conversational recommendation.?WWW, 2014.

• Konstantina et al.?Towards Conversational Recommender Systems.?KDD, 2016.

• Konstantina et al.?Q&R: A Two-Stage Approach toward Interactive Recommendation.?KDD, 2018.

• Sun et al.?Conversational Recommender System.?SIGIR, 2018.

• Yongfeng et al.?Towards Conversational Search and Recommendation: System Ask, User Respond.?CIKM, 2018.

• Raymond et al.?Towards Deep Conversational Recommendations.?NeurIPS, 2018.

• Tong et al.?A Visual Dialog Augmented Interactive Recommender System.?KDD, 2019.

• Qibin et al.?Towards Knowledge-Based Recommender Dialog System.?EMNLP, 2019.

• Yuanjiang et al.?Adversarial Attacks and Detection on Reinforcement Learning-Based Interactive Recommender Systems.?SIGIR, 2020.

• Wenqiang et al.?Conversational Recommendation: Formulation, Methods, and Evaluation.?SIGIR, 2020.

• Xingshan et al.?Dynamic Online Conversation Recommendation.?ACL, 2020.

• Wenqiang et al.?Estimation-Action-Reflection: Towards Deep Interaction Between Conversational and Recommender Systems.?WSDM, 2020.

• Kun et al.?Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion.?KDD, 2020.

• Wenqiang et al.?Interactive Path Reasoning on Graph for Conversational Recommendation.?KDD, 2020.

• Sijin et al.?Interactive Recommender System via Knowledge Graph-enhanced Reinforcement Learning.?SIGIR, 2020.

• Kai et al.?Latent Linear Critiquing for Conversational Recommender Systems.?WWW, 2020.

• Lixin et al.?Neural Interactive Collaborative Filtering.?SIGIR, 2020.

• Lixin et al.?Pseudo Dyna-Q: A Reinforcement Learning Framework for Interactive Recommendation.?WSDM, 2020.

• Shijun et al.?Seamlessly Unifying Attributes and Items: Conversational Recommendation for Cold-Start Users.?arXiv, 2020.

• Zeming et al.?Towards Conversational Recommendation over Multi-Type Dialogs.?ACL, 2020.

• Zhongxia et al.?Towards Explainable Conversational Recommendation.?IJCAI, 2020.

• Jie et al.?Towards Question-based Recommender Systems.?SIGIR, 2020.

• Hu et al.?User Memory Reasoning for Conversational Recommendation.?arXiv, 2020.

• Kai et al.?Latent Linear Critiquing for Conversational Recommender Systems.?WWW, 2020.

推薦閱讀

[0].一文盡覽推薦系統模型演變史[1].深度學習之Pytorch基礎教程[2].推薦系統有什么危害？

[3].當推薦系統邂逅深度學習

---

喜歡的話點個在看吧?

總結

以上是生活随笔為你收集整理的对话推荐系统_RSPapers | 对话推荐系统论文合集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。