RSPapers | 基于自监督学习推荐系统论文合集

嘿，记得给“机器学习与推荐算法”添加星标

近年来自监督学习技术，由于不需要大量的人工标注数据，而是从数据本身的任务出发学习特征表示，已在计算机视觉、自然语言处理等领域得到了越来越多的关注。推荐系统由于存在大量的未标注数据，自然而然的可以将自监督学习与其进行结合，因此本文对其进行了简单的总结，列举出10篇自监督学习技术在推荐上的应用。下文提到的文章均可在Github上的RSPapers项目上找到，或者向公众号后台回复【SSL】获取10篇打包好的论文合集。

https://github.com/hongleizhang/RSPapers/tree/master/00-Latest_Papers/SSL_for_RS

1. Socially-Aware Self-Supervised Tri-Training for Recommendation. KDD 2021.

本文考虑了社交网络中同质性的理论，因此对于同一个用户来说存在二部图中的用户和社交网络中的用户，然后将社交网络进行数据增强，并且与二部图进行对齐，随后三个Encoder生成的三个用户特征表示分别进行推荐任务和对比学习任务，以此来提高推荐系统的性能。

2. UPRec: User-Aware Pre-training for Recommender Systems. submitted to TKDE 2021.

本文考虑了异质用户信息来进行个性化兴趣建模，因此提出了一种结合异质用户属性的预训练增强的个性化推荐方法。具体的，该方法利用用户属性信息以及结构化社交网络信息来构建对比学习任务，随后提出两种基于用户的预训练方法。

3. S3-rec: Self-supervised learning for sequential recommendation with mutual information maximization. CIKM 2020.

该文考虑item属性的序列推荐问题，定义了几种自监督学习任务。

4. Self-supervised Graph Learning for Recommendation. SIGIR 2021.

本文基于一般的推荐问题，定义了embedding和图结构上的几种自监督学习任务。

5. Self-supervised Learning for Deep Models in Recommendations. arXiv preprint arXiv:2007.12865 (2020).

本文针对item的特征设计了自监督学习任务。

6. Self-Supervised Reinforcement Learning for Recommender Systems. SIGIR 2020.

结合强化学习的自监督学习方法用于推荐任务。

7. Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation. AAAI 2021.

本文基于超图可以建模复杂的社交网络关系，而提出基于超图的自监督卷积网络用在基于会话的推荐任务上。

8. Self-Supervised Multi-Channel Hypergraph Convolutional Network for Social Recommendation. WWW 2021.

本文基于超图可以建模复杂的社交网络关系，而提出基于超图的多通道的自监督卷积网络用在社交推荐任务上。

9. Self-supervised learning on graphs: Deep insights and new direction. arXiv preprint arXiv:2006.10141 (2020).

该文总结了在图上的自监督学习方法，其中介绍了图上进行自监督学习的联合训练模型与两阶段的训练模式。

10. Self-supervised learning: Generative or contrastive. arXiv preprint arXiv:2006.08218 1.2 (2020).

该文总结了自监督学习的主要方法，将其大致分为了生成模型和对比模型。

推荐阅读

TKDE21 | 基于神经网络推荐系统最新综述

入门推荐系统，这25篇综述文章足够了

2021深度学习点击率预估最新综述

TKDE2020 | 基于知识图谱的推荐系统综述

喜欢的话点个在看吧????