协同过滤算法除了捕捉用户潜在的消费模式外，还会学习用户特定的人口统计学特征或受保护信息等特征，如性别、种族和地理位置位置。这些偏见（Bias）信息会进一步影响推荐系统（RS）的决策，使得推荐算法会提供给不同用户子群的内容...

传统的推荐算法与用户的交互较为缺乏，难以及时有效地把握用户兴趣。基于对话的推荐系统（Conversational Recommender System，CRS）能够通过与用户深入互动来了解用户兴趣，成了推荐系统领域一个新的研究热点。基于对话的推荐...

今天给大家简要分享的是发表在SIGIR2022会议上的一篇关于冷启动推荐算法的短文，其核心思想是通过设计基于上下文的自适应嵌入算法来抵消特征分布的差异，以此将冷启动用户的特征嵌入转化为与现有“热”用户相似的特征状...

作者：艾雷出处：https://zhuanlan.zhihu.com/p/532197011

今天跟大家分享一篇利用机器遗忘学习（Machine Unlearning）来选择性的忘掉某些特定数据进而完成带有隐私保护功能的推荐系统的文章。该文章发表在WWW2022会议上，是第一篇解决机器遗忘问题的推荐系统工作。该文提出了一种...

推荐系统的公平性在近些年来越来越受到人们的重视。在真实世界中，用户往往会有着一些属性信息（例如年龄，性别，职业等），这些属性是推荐算法理解用户偏好的重要信息源。但是，有时用户可能并不希望推荐系统的结果受到这些用户属...

购物篮分析属于一种关联规则，是数据挖掘中非常流行的一种技术，购物篮分析有着广泛的应用，例如用于网络交易记录分析，视频推荐系统，购物推荐系统等。R 中实现关联分析可以使用 arules 包，里面包含了 apriori 算法与 eclat 算...

学校介绍悉尼科技大学（University of Technology Sydney，简称UTS）是世界著名的新兴大学。在2022年QS世界大学排名上，UTS位居全球第137位，澳大利亚第9位。UTS是全球排名第11位的新兴大学，澳大利亚排名第1位（QS Top 50 Under 5...

本文首先分析推荐系统预测不准的部分因素：数据稀疏和数据分布偏差，其次基于这些因素从增广数据、定义Loss、设计Encoder来介绍对比学习技术是如何帮助推荐系统预估地更准，最后给出一些前人的实践经验和一些个人理解。...

相信很多来这里的人和我第一次到这里一样，都是想找一种比较好的目标跟踪算法，或者想对目标跟踪这个领域有比较深入的了解，虽然这个问题是经典目标跟踪算法，但事实上，可能我们并不需要那些曾经辉煌但已被拍在沙滩上的tracke...