【AAAI 2019 Tutorial】可伸缩的个性化推荐检索的最新进展（Recent Advances in Scalable Retrieval of Personalized Recommendations），Dung D. Le，Hady W. Lauw

教程题目：Recent Advances in Scalable Retrieval of Personalized Recommendations

教程简介：

Top-K推荐旨在为用户提供一个包含K个项目的个性化推荐列表。双重目标是识别用户可能更喜欢的项目的准确性和实时构建推荐列表的效率。扫描数以百万计的条目来识别少数最相关的条目可能会抑制真正的实时检索性能。为了提高检索效率，将其表示为近似k近邻搜索，并辅以索引方案，如位置敏感哈希、空间树和反向索引。当给定用户向量时，这些方法通过丢弃大量可能不相关的项来加快检索过程。然而，许多推荐算法依赖于内积作为预测器，产生的表示可能与这些索引方案的结构属性不一致，最终导致索引后精度的显著损失。在本教程中，首先对内部产品搜索和基于索引的推荐检索的不兼容性所产生的潜在问题进行理论论证和实证演示。然后，总结了不同的方法，试图建立快速和准确的个性化推荐检索系统。最后，进行了一个使用各种索引数据结构进行有效和准确的推荐检索的实践环节。

组织者：

Dung D. Le是新加坡管理大学（SMU）信息系统计划的在读博士。他的研究兴趣包括推荐系统和信息检索，并在CIKM和SDM等主要场所出版。在他的候选人资格中，他获得了SMU总统博士奖学金和博士学位学生生活奖。

Hady W. Lauw是SMU信息系统学院的副教授。他领导AI项目，其研究涵盖人工智能和机器学习，重点是偏好和建议。他的研究得到了新加坡国家研究基金会的资助。他于2008年获得南洋理工大学博士学位。