elephant_my的博客

这里写目录标题1. 前言2. 背景和动机1. 前言文献的题目： Neural Graph Collaborative Filtering（神经图协同过滤）来源： SIGIR 2019 作者： 中国科学技术大学北京研究院(北京中科研究院)_何向南教授这是何向南教授团队在SIGIR2019发表的一篇文章，据说是首次提出图协同过滤的概念。为了解决传统的方法主要通过user或item的pre-existing fetures的映射得到user和item的embedding，而缺乏了user和it

Graph Neural Networks for Recommender Systems:Challenges, Methods, and Directions1. 前言2. 背景 - 推荐系统的发展历程和挑战2.1.1 浅层模型2.1.2 神经网络模型2.1.3 图神经网络模型3. 推荐系统的分类3.1 根据推荐系统的不同阶段3.2 根据不同推荐场景3.2.1 社交推荐3.2.2 序列推荐3.2.3 会话推荐3.2.4 捆绑推荐3.2.5 跨域推荐3.2.6 多行为推荐3.3 根据不同的推荐目标3.3

本文转载自：推荐系统从入门到接着入门—张小磊（北京交通大学 计算机科学与技术博士在读）推荐系统从入门到接着入门一、前言二、简介搜索引擎推荐引擎三、所属领域四、会议介绍五、推荐系统分类1. 基于内容的推荐2. 基于协同过滤的推荐2.1 基于内存的协同过滤推荐2.2 基于模型的协同过滤推荐2.2.2.1 基于矩阵分解的推荐（1）Traditional SVD:（2）FunkSVD（3）BiasSVD:（4）SVD++:（5）BiasSVDwithU：3. 基于混合的推荐4. 基于人口统计学的推荐5. 基于规则