“2016级--论文阅读 (第四学期)”的版本间的差异

来自问题求解
跳转至: 导航搜索
 
第27行: 第27行:
 
<ol>
 
<ol>
 
   <li>5月31日课堂讨论:<br/>学号末位奇数:[https://doi.org/10.1145/371920.372071 Item-based collaborative filtering recommendation algorithms] (2001)<br/>学号末位偶数:[https://doi.org/10.1109/MC.2009.263 Matrix Factorization Techniques for Recommender Systems] (2009)</li>
 
   <li>5月31日课堂讨论:<br/>学号末位奇数:[https://doi.org/10.1145/371920.372071 Item-based collaborative filtering recommendation algorithms] (2001)<br/>学号末位偶数:[https://doi.org/10.1109/MC.2009.263 Matrix Factorization Techniques for Recommender Systems] (2009)</li>
 +
  <li>6月14日课堂讨论:<br/>学号末位奇数:[https://doi.org/10.1145/2792838.2800187 Context-Aware Event Recommendation in Event-based Social Networks] (2015)<br/>学号末位偶数:[https://doi.org/10.1145/2525314.2525339 iGSLR: personalized geo-social location recommendation: a kernel density estimation approach] (2013)</li>
 
</ol>
 
</ol>

2018年6月6日 (三) 21:08的最新版本

具体要求

  1. 教师准备阶段:每月围绕1个专题,每个专题由相关研究方向的教师精选4篇经典或前沿论文(前期以短文为主,中后期以长文为主),每2篇为一组。
  2. 同学准备阶段:每位同学被随机分配2篇论文(每组1篇),认真阅读并为每篇论文制作15-20分钟讲稿,鼓励自主延伸阅读其它相关论文。讲稿内容可以包括但不限于:
    • 用自己的话概述该论文所描述的主要问题或观点。
    • 就该论文中的某个点展开,陈述自己的观点。
    • 结合该论文,就本主题的其它所了解或熟悉的问题陈述自己的观点。
  3. 课堂讨论阶段:随机选择同学上台报告论文内容(每篇论文选2位左右),其余同学参与讨论。

专题4:语义搜索(Semantic Search)

  1. 3月29日课堂讨论:
    学号末位奇数:From "Selena Gomez" to "Marlon Brando": Understanding Explorative Entity Search (2015)
    学号末位偶数:Magnet: supporting navigation in semistructured data environments (2005)
  2. 4月12日课堂讨论:
    学号末位奇数:STAR: Steiner-Tree Approximation in Relationship Graphs (2009)
    学号末位偶数:What Links Alice and Bob? Matching and Ranking Semantic Patterns in Heterogeneous Networks (2016)

专题5:边缘计算(Edge Computing)与智能感知

  1. 5月3日课堂讨论:
    学号末位奇数:Edge Computing: Vision and Challenges (2016)
    学号末位偶数:Mobile Edge Computing - A Key Technology towards 5G (2015)
  2. 5月17日课堂讨论:
    学号末位奇数:PaperID---RFID技术,很多创意的应用场景和RFID标签的新型设计方案
    学号末位偶数:MoLe---SmartWatch中惯性传感器技术,利用单手佩戴的手表推测双手打字
    论文/视频下载地址:百度网盘密码igfj

专题6:推荐系统(Recommender Systems)

  1. 5月31日课堂讨论:
    学号末位奇数:Item-based collaborative filtering recommendation algorithms (2001)
    学号末位偶数:Matrix Factorization Techniques for Recommender Systems (2009)
  2. 6月14日课堂讨论:
    学号末位奇数:Context-Aware Event Recommendation in Event-based Social Networks (2015)
    学号末位偶数:iGSLR: personalized geo-social location recommendation: a kernel density estimation approach (2013)