2021年第35届人工智能顶级会议AAAI论文列表已经放出，此次会议共收到9034篇论文提交，其中有效审稿为7911篇，最终录取篇数为1692篇，录取率为21.4%。由于境外疫情形势依然严峻，大会将在2月2日到2月9日在线上进行举办。
较之去年接收篇数1590篇来说，今年的录取数量有所提升。通过对今年所接收的全部论文的标题进行分析，发现以下结论：
-
深度学习技术依然是目前来看比较火热的技术之一；\
-
图结构数据（网络/知识图谱）依然是大家比较关注的数据形式之一；\
-
强化学习/对抗学习/多任务学习范式是大家主要使用的手段之一；
-
动态性/高效性/鲁棒性/无监督学习是目前大家比较关注的话题；
相较于去年的热度分布来看，Embedding技术/Attention技术相对来说热度有所下降。更多去年AAAI2020相关的信息可以移步AAAI2020推荐系统论文集锦。
AAAI2021接收论文标题词云
接下来，特意从1692篇论文中筛选出与推荐系统相关的33篇文章供大家欣赏（去年的推荐系统论文文章的比例为27/1590），提前领略学术前沿趋势与牛人的最新想法。
推荐系统相关文章
| RevMan: Revenue-Aware Multi-Task Online Insurance Recommendation收入感知的多任务在线保险推 荐（很对，卖保险还真得看收入） |
|---|
| Detecting Beneficial Feature Interactions for Recommender Systems为推荐系统检测有益的特征（有用的交叉特征对于推荐来说非常重要） |
| FedRec++: Lossless Federated Recommendation with Explicit Feedback带有显式反馈的无损联邦推荐系统（好奇联邦学习范式如何做到无损的） |
| Graph Heterogeneous Multi-Relational Recommendation图异构多关系推荐系统（多种关系的异构图数据处理并不容易） |
| Hierarchical Reinforcement Learning for Integrated Recommendation层次化的强化学习综合推荐系统 |
| Who You Would Like to Share With? A Study of Share Recommendation in Social ECommerce社交电商中分享行为的研究（好奇是什么因素影响我们分享的） |
| Self-Supervised Hypergraph Convolutional Networks for Session-Based Recommendation用于会话推荐的自监督超图卷积网络（超图能够建模更复杂的图关系） |
| Dual Sparse Attention Network for Session-Based Recommendation用于会话推荐的双稀疏注意力网络 |
| U-BERT: Pre-Training User Representations for Improved Recommendation预训练BERT模型用于用户表示来提高推荐性能 |
| Fairness-Aware News Recommendation with Decomposed Adversarial Learning分解的对抗学习用于公平性的新闻推荐 |
| Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation知识增强的层级图Transformer网络用于多行为推荐 |
| Cold-Start Sequential Recommendation via Meta Learner基于元学习器的冷启动序列化推荐 |
| A User-Adaptive Layer Selection Framework for Very Deep Sequential Recommender Models用户自适应层筛选框架用于极深度序列化推荐模型 |
| A Hybrid Bandit Framework for Diversified Recommendation一个混合的Bandit框架用于多样化推荐 |
| PREMERE: Meta-Reweighting via Self-Ensembling for Point-of-Interest Recommendation通过自集成来进行元权重重调用于POI推荐 |
| DEAR: Deep Reinforcement Learning for Online Advertising Impression in Recommender Systems深度强化学习用于推荐系统中的在线广告印象中（Impression是在线广告中的专有词，大家可以具体查查） |
| Noninvasive Self-Attention for Side Information Fusion in Sequential Recommendation无创自注意力机制用于序列推荐中的附加信息融合 |
| Knowledge-Enhanced Top-K Recommendation in Poincaré Ball知识增强的Top-K推荐（Poincaré Ball是个什么Ball，不太懂） |
| Out-of-Town Recommendation with Travel Intention Modeling带有旅游意图建模的POI推荐 |
| Learning to Recommend from Sparse Data via Generative User Feedback通过生成式用户反馈来学习从稀疏数据进行推荐 |
| Hierarchical Negative Binomial Factorization for Recommender Systems on Implicit Feedback基于隐式反馈的递阶负二项式分解用于推荐系统 |
| Disposable Linear Bandits for Online Recommendations一次性线性Bandits用于在线推荐 |
| Reinforcement Learning with a Disentangled Universal Value Function for Item Recommendation带有解纠缠的普遍价值函数的强化学习用于项目推荐 |
| Dynamic Memory Based Attention Network for Sequential Recommendation动态记忆注意力网络用于序列化推荐 |
| Asynchronous Stochastic Gradient Descent for Extreme-Scale Recommender Systems异步随机梯度下降算法在极端尺度推荐系统中的应用 |
| On Estimating Recommendation Evaluation Metrics under Sampling关于采样情况下的推荐评价指标的估计 |
| Knowledge-Aware Coupled Graph Neural Network for Social Recommendation面向社交推荐的知识感知耦合图神经网络 |
| Graph-Enhanced Multi-Task Learning of Multi-Level Transition Dynamics for Session-Based Recommendation多层次动态过渡的图增强多任务学习用于会话推荐**** |
| Deep Transfer Tensor Decomposition with Orthogonal Constraint for Recommender Systems基于正交约束的深度迁移张量分解算法 |
| A General Offline Reinforcement Learning Framework for Interactive Recommendation一个用于交互式推荐的通用离线强化学习框架 |
| Intelligent Recommendations for Citizen Science公民科学的智能推荐（公民科学指的是在科学家指导下的公民参与的众包平台项目） |
| Degree Planning with PLAN-BERT: Multi-Semester Recommendation Using Future Courses of Interest使用未来感兴趣的课程进行多学期推荐 |
| Personalized Adaptive Meta Learning for Cold-Start User Preference Prediction基于个性化自适应元学习的冷启动用户偏好预测 |
总结
近年来随着推荐系统这一研究方向被广泛研究，一些基本的研究点已经被研究的相当成熟（比如评分预测问题，近年来顶会中出现的次数明显减少；社会化推荐方向占有很小的比重）；序列推荐/会话推荐/下一个项目推荐是研究的主要推荐场景；强化学习由于较好的匹配推荐场景得到了越来越多的关注；元学习由于可以处理小样本学习问题被广泛的应用在冷启动问题上；注意力机制在推荐中的应用也较为常见；本次列表中有三篇利用BERT来进行表示学习进而提高推荐性能。另外，放眼望去，满满的华人作者名字列表有些震撼。
已放出的论文pdf可前往以下链接获取(劳驾给个star鸭~)
最后贴上之前总结的顶会中推荐系统相关的论文供大家进行横向和纵向对比学习。
往期精彩回顾
适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
获取本站知识星球优惠券，复制链接直接打开：
https://t.zsxq.com/qFiUFMV
本站qq群704220115。
加入微信群请扫码：
