（Start from today ？？——too late ？？）html
搜索：recsys 2018 总结
Recsys2018 总结 （推荐系统最新技术、应用和方向）32篇论文解读
http://www.javashuo.com/article/p-mexjwypb-mg.html算法
2018 年最全的推荐系统干货（ECCV、CVPR、AAAI、ICML）
https://www.ctolib.com/topics-134912.html网络
RecSys2018会议总结
https://www.jianshu.com/p/282d1e90aaf9性能
推荐系统顶会RecSys 2018论文及代码集锦(1)
https://www.doc11.com/p/7669.html
推荐系统顶会RecSys 2018论文及代码集锦(2)
https://www.doc11.com/p/8217.html学习
ACM recsys十年回顾(转载)
https://www.deeplearn.me/1806.htmlui
相关学者
一、Yehuda Koren
我的主页：Koren’s HomePage
主要贡献：Netflix Prize的冠军队成员，是推荐系统领域的大神级人物，现就任于雅虎
表明文献：Matrix Factorization Techniques For Recommender Systems.net
二、Hao Ma
我的主页：HaoMa’s HomePage
主要贡献：社会化推荐领域的大牛，提出了许多基于社会化推荐的有效算法，现就任于微软
表明文献：SoRec: Social Recommendation Using Probabilistic Matrix Factorizationorm
三、郭贵冰
我的主页：Guibing Guo’s HomePage
主要贡献：国内推荐系统大牛，创办了推荐系统开源项目LibRec
表明文献：TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratingshtm
四、Hao Wang
我的主页：HaoWang’s HomePage
主要贡献：擅长运用深度学习技术提升推荐系统性能
表明文献：Collaborative deep learning for recommender systemsblog
五、何向南
我的主页：Xiangnan He’s Homepage
主要贡献：运用深度学习技术提升推荐系统性能
表明文献：Neural Collaborative Filtering
六、Robin Burke
我的主页：rburke’s HomePage
主要贡献：混合推荐方向的大牛
表明文献：Hybrid recommender systems: Survey and experiments
七、项亮
主要贡献：国内推荐系统领域中理论与实践并重的专家，Netflix Prize第二名
表明文献：《推荐系统实践》。
八、石川
我的主页：shichuan’s HomePage
主要贡献：研究方向为异质信息网络上的推荐，提出了加权的异质信息类似度计算等
表明文献：Semantic Path based Personalized Recommendation on Weighted Heterogeneous Information Networks
【Reference】