LibRec 每周精选：深度学习对推荐系统的三大影响

从本周起，公众号将推出新的常驻栏目《每周精选》。该栏目将近期有意思的、值得关注的推荐系统领域的内容进行精选，以简短推文的形式展现出来，从而帮助大家快速了解当前推荐系统的新内容、新思路和新想法。

本期的精选内容如下：

• 【论文】提出一种自动生成对话推荐系统数据集的生成过程：http://ceur-ws.org/Vol-1866/paper_197.pdf

• 【论文】回顾Amazon.com的推荐系统20年：https://www.computer.org/csdl/mags/ic/2017/03/mic2017030012.html
  

• 【思考】深度学习对推荐系统领域的三大影响：一是能基于metadata构建更好的item relationships；二是解决深层次的冷启动问题；三是认识用户的即时性的偏好：http://t.cn/RYhywrf

• 【课题】RecSys 2017会议中的音乐推荐相关内容汇总，值得关注和研究：https://deezer.io/deezer-research-recsys-2017-11th-acm-recommender-systems-conference-9b92e1d9d0f3 

• 【教程】RecSys 2016: Tutorial on Lessons Learned from Building Real-life Recommender Systems：https://www.youtube.com/watch?v=VJOtr47V0eo

• 【入门】Recommender Engine — Under The Hood： https://medium.com/the-graph/recommender-engine-under-the-hood-3e9a6fe7bf31

【轻松一下】

说明：图片来源于网络，版权归原作者所有。