hongleizhang/RSPapers

해결하는 문제

연구자와 실무자들은 빠르게 변화하는 추천 시스템 분야를 따라잡는 데 어려움을 겪는 경우가 많습니다. 이 프로젝트는 필수 문헌을 한곳에 정리하여 고전적인 방법, 딥러닝 접근법, 소셜 및 지식 그래프 기반 방법, 콜드 스타트, 대화형, 산업용, 프라이버시, 대규모 언어 모델(LLM), 에이전트형 추천 시스템을 다룹니다. 또한 주요 학회의 튜토리얼과 포괄적인 서베이를 수집하여 독자들이 흩어진 자료를 검색하는 대신 권위 있는 입문 지점을 빠르게 찾을 수 있도록 합니다.

작동 방식

이 저장소는 구조화되고 수작업으로 선별된 논문 및 튜토리얼 목록입니다. 논문은 일반 RS, 소셜 RS, 딥러닝 기반 RS, CTR 예측, RS용 지식 그래프, LLM for RS, 에이전트형 RS 등 17개의 번호가 매겨진 카테고리로 그룹화됩니다. 각 항목은 저자 이름, 논문 제목, 학회/연도라는 간단한 형식을 따릅니다. README 상단에는 튜토리얼과 서베이 링크도 있으며, 관리자는 목록을 매주 업데이트합니다. 최근에는 에이전트형 RS와 LLM for RS와 같은 새로운 하위 주제가 추가되었으며, 기여자는 제공된 템플릿을 사용하여 풀 리퀘스트로 새 논문을 제출할 수 있습니다.

대상 독자

추천 시스템을 연구하거나 구축하는 연구자, 대학원생, 산업 엔지니어를 대상으로 합니다. 하위 주제 학습을 시작하기 위한 포괄적인 참고 문헌, 서베이 논문 검색, LLM 기반 및 에이전트형 추천기와 같은 최신 동향을 추적하려는 모든 사람에게 유용합니다.

주요 특징

• 고전적인 협업 필터링부터 에이전트형 및 LLM 기반 추천 시스템까지 17개의 다양한 하위 주제를 다룹니다.
• RecSys, ICML, WWW와 같은 주요 학회의 고품질 튜토리얼을 포함합니다.
• 수십 년간의 연구를 요약한 대규모 서베이 컬렉션을 포함합니다.
• 매주 업데이트되며, 새로 추가된 항목에는 명확한 라벨이 붙고 풀 리퀘스트를 통한 쉬운 기여가 가능합니다.