【KDD2020-Tutorial】自动推荐系统，Automated Recommendation System

随着推荐任务的日益多样化和推荐模型的日益复杂，开发出一套能够很好地适应新的推荐任务的推荐系统变得越来越具有挑战性。在本教程中，我们将重点讨论自动机器学习(AutoML)技术如何有益于推荐系统的设计和使用。具体地说，我们将从一个完整的范围开始描述什么是可以自动推荐系统。然后，我们将在此范围内对特征工程、超参数优化/神经结构搜索和算法选择三个重要的主题进行详细阐述。将介绍、总结和讨论这些主题下的核心问题和最近的工作。

1. Introduction to AutoML
   

2. Phase I: Automated Model Design / Neural Architecture Search

1. Efficient Neural Interaction Functions Search

2. Automated Model Search for Collaborative Filtering
   

3. Phase II: Hyper-parameter Optimization for Recommendation

1. Regularization Automatic: Framework and Method

2. Embedding Size Automatic: Methods and Directions

3. Learning Rate and Other Parameters Optimization
   

4. Phase III: Feature Engineering for Recommendation

1. AutoCross: Automatic Feature Crossing for Tabular Data

2. AutoFM: Automatic Feature Selection for FM
   

5. Phase IV: Automated Exploitation of Rich Side Information

1. Automated Knowledge Graph for Recommendation

2. Automated Graph Neural Networks for Recommendation
   

6. Phase V: Conclusion and open discussions

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“ARS” 就可以获取《【KDD2020-Tutorial】自动推荐系统，Automated Recommendation System》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资料