IJCAI2019 推荐系统最新进展教程（附316页PPT下载链

近期在IJCAI (国际人工智能联合会议)2019上来自悉尼科技大学的Liang Hu博士等人讲授了推荐系统最新进展教程。

经典的推荐系统是建立在相关数据(如评分和/或内容)是独立同分布 (IID)的假设之上的，这种假设存在许多问题，如冷启动问题和数据稀疏。因此，通过结合不同的信息，许多最先进的推荐系统通过机器学习技术得到了增强。本教程将分析前沿的推荐问题中的数据、挑战和业务需求，并从非独立同分布的角度介绍机器学习的最新进展，从而为下一代推荐系统建模。这包括推荐系统演化的概述和推荐中的非独立同分布、面向社交推荐系统的高级机器学习、基于group的RS、基于session的RS、跨域RS、上下文感知RS、多模态RS和multi-criteria RS，这些推荐系统涉及用户、商品、上下文、模式和标准之间的模型各种耦合。

关注公众号“智能推荐系统”并回复“8017”，获取下载链接。

ppt如下

关注公众号“智能推荐系统”并回复“8017”，获取报告全文。