推荐系统框架

理论——>应用 fellow前沿的理论，应用到推荐系统

SoTA（state of the art）：意思是“最先进的”或“当前技术的最高水平”。通常用于描述某个领域中最新、最优或最具前沿性的技术、方法或成果。在研究和开发中，SoTA技术代表了当前最优的解决方案或技术水平，常常作为其他技术进步的参照。

基于GNN推荐

1、单序列推荐

sequential

RNN、LSTM、Transformer、Bert、Mamba（目前）

2、用户-商品推荐

Graph Neural Network（GNN）

GNN变体 —-> GCN、GAT、GraphSAGE

GCN

3、用户-用户推荐（social network）

collaborate filtering（CF）协同过滤

4、商品-商品推荐（知识图谱）

基于对比学习推荐

contrastive learning（CL）

Self-supervised learning 自监督学习

对比学习是一种特殊的无监督学习方法，旨在通过最大化相关样本之间的相似性并最小化不相关样本之间的相似性来学习数据表示。通常使用一种高自由度、自定义的规则生成正负样本。

基于多模态推荐

多模态特征融合

M×N的矩阵中取top-k（k经常取5,==10,20==）

fellow团队

1. 中科大 何向南老师

2. 中国人大 赵鑫老师

   RecBole系列 —- RecBole

   RUCAIBox/RecBole: A unified, comprehensive and efficient recommendation library (github.com)

   快速baseline：

   RecBole 是一个基于 PyTorch 实现的，面向研究者的，易于开发与复现的，统一、全面、高效的推荐系统代码库。 实现了91个推荐系统模型

3. 港大 黄超老师 ——-==fellow==

   论文代码开源可复现，方便快速code

   SoTA参考

4. 澳 殷老师 2021 AAAI论文

推荐系统发展历史