（Start from today ？？——too late ？？）
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
https://blog.csdn.net/lthirdonel/article/details/83627900
2018 年最全的推荐系统干货（ECCV、CVPR、AAAI、ICML）
https://www.ctolib.com/topics-134912.html
RecSys2018会议总结
https://www.jianshu.com/p/282d1e90aaf9
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
ACM recsys十年回顾(转载)
https://www.deeplearn.me/1806.html
相关学者
1、Yehuda Koren
个人主页：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，现就职于雅虎
代表文献：Matrix Factorization Techniques For Recommender Systems
2、Hao Ma
个人主页：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，现就职于微软
代表文献：SoRec: Social Recommendation Using Probabilistic Matrix Factorization
3、郭贵冰
个人主页：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
代表文献：TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings
4、Hao Wang
个人主页：HaoWang’s HomePage
主要贡献：擅长运用深度学习技术提高推荐系统性能
代表文献：Collaborative deep learning for recommender systems
5、何向南
个人主页：Xiangnan He’s Homepage
主要贡献：运用深度学习技术提高推荐系统性能
代表文献：Neural Collaborative Filtering
6、Robin Burke
个人主页：rburke’s HomePage
主要贡献：混合推荐方向的大牛
代表文献：Hybrid recommender systems: Survey and experiments
7、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
代表文献：《推荐系统实践》。
8、石川
个人主页：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相似度计算等
代表文献：Semantic Path based Personalized Recommendation on Weighted Heterogeneous Information Networks
【Reference】