机器之心 转载
推荐系统顶会 RecSys2018 最佳论文奖出炉！因果嵌入推荐与用户研究成为焦点
第 12 届推荐系统顶级会议 ACM RecSys 在 10 月 2 日到 7 日的加拿大温哥华举行，最近官网大会公布了最佳长短文，包括来自 Criteo AI Labs 的因果嵌入推荐与德国 Duisburg-Essen 大学的用户评估中物品消费的影响。
官网地址：https://recsys.acm.org/best-papers/
最佳长论文
RecSys 2018 的最佳长论文（Best Long Paper Award）由 Criteo人工智能实验室的 Stephen Bonner 和 Flavian Vasile 获得。他们提出因果嵌入的推荐方法。
最佳长论文：Causal Embeddings for Recommendation
论文链接：http://www.zhuanzhi.ai/paper/f85a6456c9f08b6584ca62c05279147d
许多当前的应用程序使用推荐来影响自然用户行为，例如增加销售数量或在网站上花费的时间。这导致最终推荐目标与经典设置之间的差距，其中推荐候选者的效果是通过其与过去用户行为的一致性来评估完成的，通过预测用户项矩阵中的缺失条目或最可能的下一事件来实现。为了弥补这一差距，我们优化了推荐策略，以便针对有机用户行为增加预期结果。我们证明这相当于学习在完全随机推荐策略下预测推荐结果。为此，我们提出了一种新的领域自适应算法，该算法从包含偏向推荐策略结果的记录数据中学习，并根据随机暴露预测推荐结果。我们将提出的方法与最先进的因子分解方法以及新的因果推荐方法进行比较，实验结果显示出显著的效果提升。
此外，另一篇论文获得 Best Long Paper Runner-up：
-
标题：Generation Meets Recommendation: Proposing Novel Items for Groups of Users
-
作者：T.V. Vo, H. Soh
论文地址：https://doi.org/10.1145/3240323.3240357
最佳短论文
RecSys 2018 的最佳短论文（Best Short Paper Award）由德国 Duisburg-Essen 大学的 Benedikt Loepp 等人获得。他们提出研究用户推荐评估中的物品消费的影响。
最佳短论文：Impact of Item Consumption on Assessment of Recommendations in User Studies
论文链接：https://doi.org/10.1145/3240323.3240375
在推荐系统的用户研究中，参与者通常不能消费推荐的物品。他们被要求通过问卷调查评估推荐质量和与用户体验相关的其他特性。然而，如果没有听过推荐的歌曲或看过建议的电影，这可能是一个容易出错的任务，可能会限制这些研究中获得的结果的有效性。在本文中，我们研究了实际消费推荐物品的效果。我们提出两个在不同领域进行的用户研究，在某些情况下表明，建议和问卷调查结果的评估存在差异。显然，在不允许用户使用物品的情况下，并不总是能够充分测量用户体验。另一方面，根据领域和提供的信息，参与者有时似乎相当接近推荐的实际价值。
此外，另一篇论文获得 Best Short Paper Runner-up：
-
标题：HOP-rec: High-order Proximity for Implicit Recommendation
-
作者：J.-H. Yang, C.-M. Chen, C.-J. Wang, M.-F. Tsai
论文地址：https://dl.acm.org/citation.cfm?doid=3240323.3240381
理论 推荐系统 学术会议 ACM RecSys 最佳论文
相关数据
Artificial Intelligence
在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）
来源： Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.
Recommender system
推荐系统（RS）主要是指应用协同智能（collaborative intelligence）做推荐的技术。推荐系统的两大主流类型是基于内容的推荐系统和协同过滤（Collaborative Filtering）。另外还有基于知识的推荐系统（包括基于本体和基于案例的推荐系统）是一类特殊的推荐系统，这类系统更加注重知识表征和推理。
来源：机器之心
机器之心是国内领先的前沿科技媒体和产业服务平台,关注人工智能、机器人和神经认知科学,坚持为从业者提供高质量内容和多项产业服务。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 可靠的因果保证
- 理解 Java 内存模型的因果性约束
- 因果关系到底存不存在：反事实和平行宇宙
- 图灵奖得主Judea Pearl：从“大数据革命”到“因果革命”
- MongoDB是第一个支持因果一致性的数据库商业产品
- 让智能体主动交互，DeepMind提出用元强化学习实现因果推理
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
代码本色：用编程模拟自然系统
Daniel Shiffman / 周晗彬 / 人民邮电出版社 / 2014-10 / 99.00元
本书介绍了用计算机模拟自然系统涉及的编程策略与技术，涵盖了基本的数学和物理概念，以及可视化地展示模拟结果所需的高级算法。读者将从构建基本的物理引擎开始，一步一步地学习如何创建智能移动的物体和复杂的系统，为进一步探索生成设计奠定基础。相关的知识点包括力、三角、分形、细胞自动机、自组织和遗传算法。本书的示例使用基于Java的开源语言及开发环境Processing编写。本书网站http://www.na......一起来看看 《代码本色：用编程模拟自然系统》 这本书的介绍吧!
