hongleizhang/RSPapers

解决的问题

研究人员和从业者常常难以跟上推荐系统这一快速发展的领域。该项目将重要文献组织到一个地方，涵盖经典方法、深度学习方法、基于社交和知识图谱的方法、冷启动、对话式、工业界、隐私、大语言模型（LLM）和智能体推荐系统。它还收集了顶级会议的教程和全面综述，使读者能够快速找到权威的入门点，而不是搜索分散的来源。

工作原理

该仓库是一个结构化的、人工策划的论文和教程列表。论文被分为17个编号类别，如通用推荐系统、社交推荐系统、基于深度学习的推荐系统、点击率预测、推荐系统知识图谱、LLM推荐系统和智能体推荐系统。每个条目遵循简单的格式：作者姓名、论文标题和会议/年份。README 顶部还链接了教程和综述，维护者每周更新列表。最近新增了子主题（如智能体推荐系统和LLM推荐系统），贡献者可以通过提供的模板提交拉取请求来添加新论文。

适用人群

面向研究推荐系统或构建推荐系统的研究人员、研究生和行业工程师。对于任何寻找全面参考书目以开始学习某个子主题、查找综述论文或跟踪最新趋势（如基于LLM和智能体的推荐系统）的人来说，它都很有用。

亮点

• 涵盖17个不同的子主题，从经典协同过滤到智能体和基于LLM的推荐系统
• 包含来自顶级会议（如 RecSys、ICML 和 WWW）的高质量教程
• 包含大量综述，总结了数十年的研究
• 每周更新，新添加内容有清晰标签，并可通过拉取请求轻松贡献