【ACM Computing Surveys】基于会话推荐系统最新长文综述，163篇参考文献

本文给大家介绍一篇刚被 ACM 旗舰期刊 ACM Computing Surveys (CSUR) 接收的基于会话推荐系统 (Session-based Recommender Systems (SBRS)) 的综述长文。ACM Computing Surveys 是计算机学科最具影响力的期刊之一，其最新影响因子为 7.99，为中科院认定的一区 Top 期刊，CORE Rank A* 期刊，主要发表计算机科学领域较有代表性的综述论文。

文章题为《A Survey on Session-based Recommender Systems》，论文一作为麦考瑞大学博后Shoujin Wang，研究方向为数据挖掘，机器学习以及推荐系统 。这篇文章是基于会话的推荐系统方向的一篇较为系统全面的综述文章。全文共 39 页，包含 11 个 sections、4 幅插图、11 张表格和 163 篇该领域内有代表性的参考文献。该文基于作者长期的积累和思考，对基于会话推荐系统这一推荐系统子领域进行了全面而深入的梳理和总结。

该文对目前文献中存在的各种各样的对问题的定义进行了统一的形式化，系统地定义了基于会话推荐系统的场景，任务和基本问题以及基本方法。作者从数据特征的角度出发，系统分析了 session 数据所特有的基本特征，以及他们给推荐任务带来的挑战。然后系统而全面地对这一领域当前的进展进行了归纳总结，包括对方法的分类和比较，对每类方法基本思想和特征的阐述。梳理和总结了基于会话推荐系统的主要应用场景，代表性算法和公开的数据集，并提供了开源链接。最后分享了本领域的未来可能的研究方向。

该文由浅入深，语言力求通俗易懂，举例丰富，既有深入的理论分析，又有应用，算法和数据集，既适合科研工作者阅读，也适合工程人员阅读。作者希望该文能给相关的研究人员提供一个对该领域研究的主要问题以及涉及的各个方面、主要挑战和进展一个全面而综合的了解，同时给未来的研究提供一些启发。