ACMRecSys2018国际会议看推荐系统热点和,关于免费国际会议论文范文在这里免费下载与阅读,为您的国际会议相关论文写作提供资料。
国际会议论文参考文献：
[摘 要]美国计算机学会每年举办的RecSys年会是最重要的推荐系统国际会议之一,其内容体现了当前推荐系统研究的热点和发展趋势.本文分析RecSys’2014年会的论文内容和主题,从推荐系统的新应用、情景敏感推荐、冷启动和混合推荐、安全和用户隐私、推荐系统评估、多样性和新颖性、推荐理论和方法、排序和Top-N推荐、矩阵分解等9个方面对会议进行综述,总结当前推荐系统研究的特点,认为混合推荐是未来推荐系统研究的主要方向.
[关键词]推荐系统；ACM RecSys；热点主题
[中图分类号]TP311
[文献标识码]A
[文章编号]1008-0821（2015）04-0041-05
自1992年帕洛阿尔托研究中心的Tapestry系统引入协同过滤的思想和概念以来,推荐系统日益引起人们的关注.推荐系统（RS：Recommender System）是能主动地发现用户当前或潜在的信息需求,并主动推送信息给用户的一种Web信息系统.在信息爆炸时代,推荐系统是解决用户“信息过载”的一种有效手段,已被成功应用于电子商务、社交网络、多媒体等众多领域.
由于推荐系统实际应用效果显著,近年来国际学术界和其相关的研究极为活跃.推荐系统研究的顶级会议是美国计算机学会（ACM）每年举办的RecSys年会,该会议自2007年以来已在世界各地（美国、瑞士、西班牙、爱尔兰、中国香港等）举办了8届,并成为全球关于推荐系统研究最重要的交流渠道和把脉其最新进展的重要窗口.
最近一次ACM RecSys年会于2014年10月6～10日于美国硅谷（第8届）举办,共收录各国学者研究论文55篇,内容基本涵盖了当前RS研究的主流领域,既有对传统领域的深入探讨,也有对新领域的探索；既有对实践和技术的应用研究,也有推荐基本理论和方法的探析.本文逐一研读了本次会议论文,并按照主题分类进行综述,以期了解和掌握目前国际上推荐系统研究的热点和发展趋势,为国内推荐系统研究提供借鉴.
1 会议主题分析
2014’RecSys年会论文按主题可分为9个方面：新应用、情景推荐、冷启动推荐、安全和隐私、推荐系统评估、多样性和新颖性、推荐方法和理论、排序和Top-N推荐、矩阵分解推荐方法等.
1.1新应用
推荐系统产生于快速发展的互联网环境中,和理论研究相比,商业化实践更为人们所关注,历次ACM RecSys会议都把实践应用作为会议的重要主题之一.2014年会展示了推荐系统在儿童图书推荐、社交媒体、学术论文同行评议、MOOC、数据挖掘流程设计以及旅游指导、房屋租赁、健康顾问等诸多方面的应用.例如,PeraMS等针对现有图书推荐系统缺乏专门面向儿童阅读推荐的功能缺陷,设计和开发了一个模拟图书馆读者咨询服务的图书推荐系统（Rabbit）,该系统不仅考虑了儿童读者的阅读能力,也考虑了图书所包含的情感因素.Liu X等通过在论文和评议专家之间构建关联图,开发了一个学术论文同行评议的专家推荐系统,增强了论文评议系统的功能.
1.2情景敏感推荐
情景敏感推荐系统（CARS）是近几年推荐系统研究的热点.情景也称之为上下文（Context）,指的是用户模型中的额外信息（如位置、时间、天气等）,利用情景信息可以提高推荐系统的推荐精度.
本次会议的一些论文在推荐系统适应动态情景方面做了深入研究.如,Hariri N等开发了一个交互式推荐系统,系统根据用户行为动态地适应情景变化,匹配用户最近的兴趣喜好,为其生成更合适的推荐结果,系统的独特之处是包含了一个“情景变化侦测器”,负责探测用户行为的变化,一旦检测到有重大改变时,推荐系统就优先采用用户最新行为信息来重建情景模型.而Braunhofer M等则通过在系统中设置“情景开关”的方法解决推荐系统的情景适应性问题.
1.3冷启动推荐
由于推荐系统中的新用户（或新项目）的评分数据稀少,系统很难为其产生推荐,这就是所谓的冷启动推荐问题.在基于协同过滤和基于矩阵分解的推荐算法中,冷启动问题尤其严重.
冷启动问题通常采用混合推荐方法或融合其他数据源来解决.如,混合内容过滤方法和协同过滤方法、融合用户评论和评分数据、在协同过滤算法中引入用户的人口统计学信息（如性别、年龄、位置等）以及社会网络信息（如Facebook好友关系、空间主页等）、利用Web日志信息中的用户浏览路径等.
另外,动态情景敏感策略也有助于解决冷启动问题,如,Tang L等提出对不同情景策略进行组合,在多种预设情景上层构建“元情景”（Meta-Context）,“元情景”根据新用户和推荐系统交互产生的反馈信息,选择相对合适的情景为新用户推荐其感兴趣的网页,该方法在原理上类似于元搜索引擎.而Braunhofer M等在不同的情景算法中设置“情景开关”,当系统侦测到不同的冷启动情景时（如新用户或新项目）,则会转换到适宜的算法.
1.4安全和隐私
推荐系统是可以带来实在经济效益的.正因如此,其可能受到恶意攻击并不为奇,安全和隐私是每一届会议的主要议题之一.
Seminario C E等从攻击者的角度,提出了“强项目”攻击模型（PIA）,并通过实验模拟,证明PIA不仅可以成功攻击基于SVD和基于用户的协同推荐系统,也可以成功攻击基于项目的协同过滤推荐系统,研究结果为推荐系统的攻击检测提供指导.Bhagat S等研究了用户隐私的“善意”挖掘方法,设计了一个基于矩阵分解的贝叶斯分类器,仅根据少量的评分数据就能推测用户的二元属性信息（如类别,性别等）,从而为推荐系统构建用户兴趣模型提供辅助信息.
1.5推荐系统评估
由于设计目标、实施算法、评价策略等方面不同,且一些场合可能还需要人工参和,推荐系统目前尚没有一个公认的标准对其真实效果和作用进行评估.本次年会,Said A等在相同的评价环境下对不同的推荐算法作了对比,提出了一个评估推荐系统的指标体系.Yi X等利用用户在网页上的停留时间来量化评估用户对网页的兴趣度,提出如何对不同设备和情景下的停留时间进行标准化处理的方法.
结论：关于国际会议方面的论文题目、论文提纲、2018年国际学术会议论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
改进协同过滤算法在电影推荐系统中应用
摘 要：随着互联网的快速发展，电影的海量供给和用户多样化的需求间的矛盾日趋突出，将个性化推荐技术和电影系统的有机结合对用户和运营商来说是一个双赢。
在线个性化推荐系统消费者采纳影响因素
内容摘要：信息超载的难题使得消费者很难在海量的商品信息中快速找到目标，个性化推荐系统应运而生且应用日趋广泛，但仍然被许多消费者拒绝采纳，精准找出。
珠海国际会议展览中心消防给排水系统设计
【摘要】国际会展中心建筑的共同特点就是面积大、人员比较密集、火灾危险比较大。随着中国经济的发展和社会的进步，在经济生活中，人们需要更多的交流、更。
UGC标签推荐系统一种新标签清理方法
摘要：UGC标签推荐系统的推荐效果依赖标签的质量，因为UGC标签是用户随意标注的，并不是所有的标签都符合用户兴趣，有必要清空一些不符合用户兴趣的。