AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文:https://www.aminer.cn/topic
论文集地址:https://www.aminer.cn/topic/607433ce92c7f9be219c468c
推荐系统因可以为人们提供个性化的推荐而在日常生活中扮演者越来越重要的角色。传统的推荐系统往往利用用户或物品的评分信息,然而在现实场景中这种评分信息一般是比较稀疏的,这种数据稀疏问题会造成推荐性能的下降。因此,许多研究人员尝试使用用户的评论辅助信息去学习用户、物品的表示进一步地弥补数据稀疏问题。现存的方法在利用评论信息构建用户、物品表示时往往存在两种类别的表示,分别是使用用户撰写的和写给物品的全部评论拼接为文档进行表示学习,另一种则是将每条评论单独的建模学习。
该论文集共收录13篇论文,引用最多的论文为Collaborative topic modeling for recommending scientific articles,引用数为1600。
AMiner,AI赋能的学术搜索平台:https://www.aminer.cn
#AMiner# #论文#