hongleizhang/RSPapers

解決する問題

研究者や実務者は、急速に進化するレコメンダーシステムの分野についていくのに苦労することがよくあります。このプロジェクトは、重要な文献を一箇所にまとめ、古典的な手法、深層学習アプローチ、ソーシャルおよび知識グラフベースの手法、コールドスタート、対話型、産業用、プライバシー、大規模言語モデル（LLM）、エージェント型レコメンダーシステムをカバーしています。また、主要会議のチュートリアルや包括的なサーベイも収集しているため、読者は散在する情報源を検索する代わりに、権威ある入門ポイントをすぐに見つけることができます。

仕組み

このリポジトリは、構造化された手作業で厳選された論文とチュートリアルのリストです。論文は、一般RS、ソーシャルRS、深層学習ベースのRS、CTR予測、RSのための知識グラフ、LLM for RS、エージェント型RSなど、17の番号付きカテゴリにグループ化されています。各エントリは、著者名、論文タイトル、会議/年の簡単な形式に従います。READMEの上部にはチュートリアルとサーベイへのリンクもあり、メンテナーはリストを毎週更新します。新しいサブトピック（エージェント型RSやLLM for RSなど）が最近追加され、貢献者は提供されたテンプレートを使用してプルリクエストで新しい論文を提出できます。

対象読者

レコメンダーシステムを研究または構築する研究者、大学院生、業界エンジニアを対象としています。サブトピックの学習を始めるための包括的な参考文献、サーベイ論文の検索、LLMベースやエージェント型レコメンダーなどの最近のトレンドを追跡したい人にとって役立ちます。

ハイライト

• 古典的な協調フィルタリングからエージェント型およびLLMベースのレコメンダーシステムまで、17の異なるサブトピックをカバー
• RecSys、ICML、WWWなどの主要会議からの高品質なチュートリアルを含む
• 数十年の研究を要約した大規模なサーベイコレクションを含む
• 毎週更新され、新規追加には明確なラベルが付けられ、プルリクエストによる簡単な貢献が可能