【综述：推荐系统】A Survey on Accuracy-oriented Neural Recommendation: From Collaborative Filtering to

#论文题目：A Survey on Accuracy-oriented Neural Recommendation: From Collaborative Filtering
to Information-rich Recommendation（从协同过滤到信息增强的推荐系统）
#论文地址：https://arxiv.org/pdf/2104.13030
#论文源码开源地址：github.com/hongleizhang/RSPapers、
#论文合集github.com/lmcRS/AWS-recommendation-papers
#论文所属会议：TKDE2022

一、导读

• 在过去的几年中，出现了大量关于开发推荐系统的神经网络方法的工作。本篇文章主要是对使用神经网络的推荐模型(称为“神经推荐模型”)进行系统的回顾。这是当前推荐研究中最热门的话题，近年来不仅有许多令人兴奋的进展，而且显示出成为下一代推荐系统的技术基础的潜力。
• 本篇文章检索最相关的顶级会议如WWW, SIGIR, KDD, ICLR, AAAI, IJCAI, WSDM 和 RecSys, 以及顶级期刊TKDE, TKDD等等。同时，还利用谷歌学术搜索了近期的相关研究。
• 文章调查的时候使用collaborative filtering, content+RS, recommender systems, context+RS, side information, graph neural network, neural recommendation关键词来搜索相关的作品。然后，根据检索到的论文，精心设计主题结构，使其尽可能完整地覆盖所有论文。此外，为了避免遗漏一些重要的工作，作者还在推荐中对一些经典的、有影响力的论文进行了复核。