带辅助信息的推荐系统研究述评：综述与研究方向
信息检索
2020-07-21 v2
摘要
近几十年来，推荐系统已成为帮助解决信息过载问题的重要工具。然而，传统推荐系统存在数据稀疏与冷启动问题。为解决这些问题，已提出大量利用用户或物品辅助信息（如社交网络与物品类别）的推荐算法，在提升推荐性能方面表现出高度有效性。本述评旨在对近期带辅助信息的推荐系统研究提供全面而系统的综述。具体地，我们从两个正交视角概述最先进的带辅助信息推荐算法。其一涉及不同推荐方法：基于记忆的方法、隐因子、表示学习与深度学习模型。其二涵盖辅助信息的不同表示，包括结构数据（扁平、网络与层次特征，以及知识图谱）；与非结构数据（文本、图像与视频特征）。最后，我们讨论挑战并提供推荐中新的潜在方向，以及本综述的结论。
引用
@article{arxiv.1909.12807,
title = {Research Commentary on Recommendations with Side Information: A Survey and Research Directions},
author = {Zhu Sun and Qing Guo and Jie Yang and Hui Fang and Guibing Guo and Jie Zhang and Robin Burke},
journal= {arXiv preprint arXiv:1909.12807},
year = {2020}
}