KDD 2013推荐系统论文
LCARS: A Location-Content-Aware Recommender System
Authors: Hongzhi Yin, Peking University; Yizhou Sun, ; Bin Cui, Peking University; Zhiting Hu, ; Ling Chen
FISM: Factored Item Similarity Models for Top-N Recommender Systems
Santosh Kabbur, University of Minnesota; George Karypis, University of Minnesota
Making Recommendations from Multiple Domains
Wei Chen, National University of Singapore; Wynne Hsu, National University of Singapore; Mong-Li Lee, National University of Singapore
Combining Latent Factor Model with Location Features for Event-based Group Recommendation
Wei Zhang, Department of Computer Science; Jianyong Wang, Tsinghua University
A New Collaborative Filtering Approach for Increasing the Aggregate Diversity of Recommender Systems
Katja Niemann, Fraunhofer FIT; Martin Wolpers, Fraunhofer Institute for Applied Information Technology
Silence is also evidence: Interpreting dwell time for recommendation from Psychological Perspective
Peifeng Yin, Pennsylvania State University; Ping Luo, HP Lab; Wang-Chien Lee, ; Min Wang, Google Research
Learning Geographical Preferences for Point-of-Interest Recommendation
Bin Liu, Rutgers Univ; Yanjie Fu, Rutgers University; ZIjun Yao, Rutgers Univ; Hui Xiong, Rutgers, the State University of New Jersey
Collaborative Matrix Factorization with Multiple Similarities for Predictin Drug-Target Interactions
Xiaodong Zheng, Fudan University; Hao Ding, Fudan University; Hiroshi Mamitsuka, Kyoto University; Shanfeng Zhu, Fudan University
有20多篇是有关社会网分析的
Unsupervised Link Prediction Using Aggregative Statistics on Heterogeneous Social Networks
Tsung-Ting Kuo, National Taiwan University; Rui Yan, Peking University; Yu-Yang Huang, National Taiwan University; Perng-Hwa Kung, National Taiwan University; Shou-De Lin, National Taiwan University
Link Prediction with Social Vector Clocks
Conrad Lee, University College Dublin; Bobo Nick, Konstanz UniversitŠt; Ulrik Brandes, Konstanz UniversitŠt; P‡draig Cunningham, University College Dublin
KDD 2013推荐系统论文的更多相关文章
- CIKM 2013推荐系统论文总结
这几天在家没事,介绍几篇CIKM上关于推荐系统的文章, Personalized Influence Maximization on Social Networks Social Recommenda ...
- 计算广告、推荐系统论文以及DSP综述
http://www.huxmarket.com/detail/2966 DSP场景假定前提: 以CTR预估为例,向广告主以CPC(OCPC)方式收费,向ADX以CPM方式付费.投放计划受预算限制,在 ...
- 【推荐系统论文笔记】Introduction To Recommender Systems: Algorithms and Evaluation
这篇论文比较短,正如题目所说,主要还是简单地介绍了一下推荐系统的一些算法以及评估的方法. 推荐系统之前是基于关键字信息的过滤系统,后来发展成为协同过滤系统,解决了两个问题:1.通过人工审核去评价那些具 ...
- KDD 2018 | 最佳论文:首个面向Facebook、arXiv网络图类的对抗攻击研究
8 月 19 日至 23 日,数据挖掘顶会 KDD 2018 在英国伦敦举行,昨日大会公布了最佳论文等奖项.最佳论文来自慕尼黑工业大学的研究者,他们提出了针对图深度学习模型的对抗攻击方法,是首个在属性 ...
- 推荐系统论文之序列推荐:KERL
KERL: A Knowledge-Guided Reinforcement Learning Modelfor Sequential Recommendation 摘要 时序推荐是基于用户的顺序行 ...
- CVPR 2013 录用论文【待更新】
完整录用论文官方链接:http://www.pamitc.org/cvpr13/program.php 过段时间CvPaper上面应该会有正文链接 今年有关RGB-D摄像机应用和研究的论文渐多起来了. ...
- DLRS(近三年深度学习应用于推荐系统论文汇总)
Recommender Systems with Deep Learning Improving Scalability of Personalized Recommendation Systems ...
- WSDM 2014推荐系统论文
Xiao Yu, Hao Ma, Paul Hsu, Jiawei Han On Building Entity Recommender Systems Using User Click Log an ...
- DLRS(深度学习应用于推荐系统论文汇总--2017年8月整理)
Recommender Systems with Deep Learning Alessandro:ADAAlessandro Suglia, Claudio Greco, Cataldo Musto ...
随机推荐
- ubuntu系统复制到其他地方或克隆后,如何正确修改IP及MAC地址的解决方案(图文详解)
修改ip地址 永久修改MAC地址 方法一: 1)编辑“/etc/init.d/rc.local”文件(sudo gedit /etc/init.d/rc.local) 2)在此配置文件的最后面加上如( ...
- java中String,StringBuffer与StringBuilder的区别??
本文着重介绍下,应该在何时恰当的使用string,stringbuffer,stringbuilder. 1,执行速度 StringBuilder > StringBuffer > ...
- TCP连接管理(TCP Connection Management)
在最近的求职面试过程中,关于"建立TCP连接的三次握手"不止一次被问到了,虽然我以前用同样的问题面试过别人,但感觉还是不能给面试官一个很清晰的回答.本文算是对整个TCP连接管理做一 ...
- 为 “超级大脑”构建支撑能力,腾讯云聚焦AI技术落地
欢迎大家前往腾讯云+社区,获取更多腾讯海量技术实践干货哦~ 5月24日,以"无界数据.无限智能"为主题的2018腾讯"云+未来"峰会AI大数据分论坛在广州拉开帷 ...
- [转载+补充][PY3]——环境配置(2)——windows下安装pycharm并连接Linux的python环境
原文地址:<你所会用到的Python学习环境和工具> 1. 下载安装Pycharm专业版 具体方法略.Pycharm5激活方法参考http://www.cnblogs.com/snsdzj ...
- java 如何下载jar包
随着maven工具的使用,我们已经不再需要辛苦的找jar包,也不需要再买会员去下载jar包,但是还有一些同学,不知道怎么下载jar包,下面我给大家介绍一下,如何潇洒的找到自己想要的jar包. 首先,访 ...
- SSRS 通过Customer Code访问Dataset
A dataset in Reporting Services is not the same type of object as an ADO.Net dataset. A report data ...
- RUP 4+1视图
RUP开篇之作:http://www.ibm.com/developerworks/cn/rational/r-4p1-view/index.html 百科:http://baike.baidu.co ...
- Hadoop实战之三~ Hello World
本文介绍的是在Ubuntu下安装用三台PC安装完成Hadoop集群并运行好第一个Hello World的过程,软硬件信息如下: Ubuntu:12.04 LTS Master: 1.5G RAM,奔腾 ...
- 一 NIO的概念
Java NIO由下列几个核心部分组成: Channels(通道) Buffers(缓冲区) Asynchronous IO(异步IO) Channel 和 Buffer 基本上所有的IO在NIO中都 ...