note
热点：对比学习，图神经网络，序列推荐，多任务推荐
主要任务包括：Click-Through Rate、Sequential Recommendation、Knowledge Graph Embedding、User Modeling等；
热门技术包括：Graph Neural Network、Contrastive Learning、Transformer、Attention等，其中基于Graph的任务和技术依旧是2021年的研究热点。
第30届国际信息与知识管理大会（The 30th ACM International Conference on Information and Knowledge Management, CIKM 2021）计划于2021年11月1日-11月5日在线召开。ACM CIKM是CCF推荐的B类国际学术会议，是信息检索和数据挖掘领域最重要的学术会议之一。这次会议共收到1251篇长文（Full paper）、290篇应用文（Applied paper）和626篇短文（Short paper）投稿，有271篇长文、69篇应用文和178篇短文被录用，录用率分别为21.7%、23.8%和28.4%。
官方发布的接收论文列表：http://www.cikm2021.org/accepted-papers
对推荐系统相关论文（76篇）按不同的任务场景和研究话题进行分类整理，也对其他热门研究方向（预训练、知识图谱等，53篇）进行了归类。可以看到2021年研究方向主要集中在Recommendation、Retrieval和Knowledge Graph三个方向，也包括Pre-trained Language Model、Conversation等NLP方向。
文章目录
note
1 按推荐的任务场景划分
2 按推荐的研究话题划分
3 热门技术在推荐中的应用
4 其他研究方向
1. 按推荐的任务场景划分
1.1 Click-Through Rate
1.2 Collaborative Filtering
1.3 Sequential/Session-based Recommendation
1.4 Knowledge-Aware Recommendation
1.5 Social Recommendation
1.6 News Recommendation
1.7 Text-Aware Recommendation
1.8 Conversational Recommender System
1.9 Cross-domain Recommendation
1.10 Point-of-Interest
1.11 Online Recommendation
1.12 Group Recommendation
1.13 Other Tasks
2. 按推荐的研究话题划分
2.1 Debias in Recommender System
2.2 Fairness in Recommender System
2.3 Explanation in Recommender System
2.4 Cold-start in Recommender System
2.5 Ranking in Recommender System
2.6 Evaluation
2.7 Others
3. 热门技术在推荐中的应用
3.1 Graph Neural Network in Recommender System
3.2 Contrastive Learning in Recommender System
3.3 Reinforcement Learning in Recommender System
3.4 Variational Autoencoder in Recommender System
3.5 Zero-Shot Learning in Recommender System
4. 其他研究方向
4.1 Pre-training