一、ACM Recsys2010概览 2010年9月26日至30日，推荐系统领域顶级会议ACM Recsys’10（ACM Recommender Systems 2010）在西班牙巴塞罗那召开。会议包括主会（包含10个Session）、7个研讨会(Workshop)、海报（Poster）、演示（Demo）、博士生论坛（Doctoral Symposium）等，吸引了一大批学术界和工业界的专家参加交流。此次会议共收到200余篇投稿，其中129篇长文（full paper）中的25篇被接受(录取率19.4%)并作口头宣讲，78篇短文�...

在社会化标签越来越流行的网站中，用户的喜好往往可以从通过用户所使用的标签来分析和挖掘到。例如，用户在美味书签（Del.icio.us）上使用的标签表示了用户对收藏书签的喜好程度；在电影评分网站(MovieLens.org)上使用的标签表现了用户所看电影的喜好程度；在微博网站（Twitter.com）上的标签体现了博主和网友对博文的评价和偏好……同时不同用户之间所偏好和使用的标签也各不相同。我们利用�...

http://www.comp.hkbu.edu.hk/~lichen/srs2011/ Social media sites have become tremendously popular in recent years. Yet, the abundance and popularity of social media floods users with huge volumes of information and hence poses a great challenge in terms of information finding. Social Recommender Systems aim to alleviate information overload for users by presenting the most relevant and useful information items. Social recommender systems that suggest content (e.g., wikis and forum posts), people, and communities oft...

用户每次登录推荐系统的时候，是不是应该看到不同的推荐结果。在传统的推荐里面，如果用户没有新的行为，其他用户的行为也没有突变，那么根据CF算出来的Top-N推荐列表应该是变化不大的。但是，如果推荐结果总是不变，用户会觉得厌烦，也会逐渐减少推荐结果的新颖度。 Neal Lathia在SIGIR 10 上发表了一篇文章”Temporal Diversity in Recommender Systems”，深入的研究了这个问题。下面的图是他们...

http://arsenigroup.com/clients/strands/?p=5 用 户的信任是所有商业系统最重要的部分，特别是对在线零售系统。 消费者们很想知道其他用户买了什么，如果我们收集了他们的行为，我们也能从他们和系统的交换中获益。 推荐解释告诉用户他们为什么会被推荐某种商品，从而是一个很好的增加系统可信度的方法。 一个推荐系统的目的是让用户方便的找到他们想要的东西，帮助他们发现他们喜欢的但不是�...

转载自：http://www.wentrue.net/blog/?p=1034 看到这么个有吸引力的名字，你不会觉得它是一篇学术论文，但实际上，它是的。这是2009年Amatriain等人发表在ACM的一篇关于推荐系统的文章。从这个并不太学术的题 目，你大概可以意想到这里面并不会涉及太多繁琐的理论细节。实际上，如果你有一些关于推荐系统的背景，你可以毫无障碍的把它读下来，因为它就相当于一篇报 告文学一般好懂，但其中揭示的�...

在推荐系统研究和应用领域，人们往往只关注挖掘用户与项目（电影、音乐、Web信息、商品等）之间的关联关系，而较少考虑用户与项目所处的上下文环境(如时间、位置、周围人员、情绪、活动状态、设备、网络条件等等)。但是，在许多应用场景下，仅仅依靠用户与项目之间关联关系并不能生成有效推荐。例如，有的用户喜欢在“早上”而不是“中午”被推荐合适的新闻信息，有的用户在“旅游...

转载：http://www.baifendian.com/research/html/51/t-151.html 互联网已逐渐成为数字多媒体资产（数字音乐,数字电影…）的存储和分发中心。虽然互联网的结构能使用户方便的获得内容，但这些内容资源需要有强有力的管理、检索和呈现工具的支持，数字音乐内容当然也不例外。基于用户音乐口味的个性化音乐内容推荐是当前最热门的应用方法。而同时音乐作为与朋友交流关于个性、历史、文化等重要的媒介�...

推荐结果的惊喜度取决于推荐结果的新颖度和准确度，按照我的理解，惊喜的结果就是新颖而准确的结果。已经有很多文章提到了准确性。而新颖性方面的研究不是很多。结果的新颖性和结果的热门程度又是相关的，充满热门item的推荐结果肯定不是新颖的。那么如何控制推荐结果的热门程度，就是一个比较重要的问题。如果一个方法能在保持点击率不变的情况下，大大的降低结果的热门程度，那�...

作者：IBM 中国研究院 袁泉 关于推荐系统是不是可以做成跨领域的通用系统，有过很多讨论。但从做一个好的推荐系统的角度来看，我们觉得和领域知识的结合是密不可分的。然而，目前我们所接触到的较为普遍的做法是比较重算法，而忽略了之前的领域问题分析和对数据的把握。一般是准备好数据（抽取成经典的user-item矩阵）之后，选几个比较经典通用的算法(user/item-KNN, 矩阵分解等)跑一跑，选...