Обзоры на статьи по рекомендательным моделям

В этом репозитории я собираю краткие обзоры на некоторые статьи по рекомендациям, которые я прочитал. Периодически я просматриваю arxiv.org на предмет новых статей в Information Retrieval. Отбор произвожу по названию/abstract/наличию кода. То, что кажется интересным, планирую добавлять сюда. Не претендую на правильные и полные интерпретации статей.

Больше всего меня интересуют следующие темы:

• Bias в рекомендательных моделях. Что делать с тем, что популярные айтемы чаще попадают как в тестовые данные, так и в рекомендации? Как от этого избавиться?
• Рекомендации на нейронных сетях. После статьи все равно хочется искать прогресс в рекомендательных моделях. Не всю ведь жизнь обучать ALS?
• RL в рекомендациях. Допустим, мы используем SOTA, которая лучше других выбивает значения метрик на исторических данных. Но хочется как-то по-умному использовать взаимодействие с пользователями.
• Объяснения в рекомендациях. Обычно такие статьи начинаются с того, что объясняются улучшают доверие к моделям. Пожалуй, этого достаточно.
• Прочее. Новые интересные идеи.

Основные цели

• Собрать в одном месте актуальные исследования в области рекомендательных моделей на русском языке
• Систематически расширять свои знания.

Готовые обзоры

• RACT: TOWARDS AMORTIZED RANKING-CRITICAL TRAINING FOR COLLABORATIVE FILTERING - RL
• LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation - Прочее
• Managing Popularity Bias in Recommender Systems with Personalized Re-raniking - Bias

Планирую разобрать

• Music Recommendations in Hyperbolic Space: An Application of Empirical Bayes and Hierarchical Poincaré Embeddings
• Disentangling User Interest and Popularity Bias for Recommendation with Causal Embedding
• Multi-sided Exposure Bias in Recommendation