研究推荐系统这个方向有一段时间了，现讲这个方向的科研大牛与顶会信息总结如下。
推荐系统一般属于数据分析与挖掘、信息检索的一个应用子领域。
信息检索( Information Retrieval )指信息按一定的方式组织起来，并根据信息用户的需要找出有关的信息的过程和技术。信息检索的目标：准确、及时、全面的获取所需信息。
一、推荐系统领域大牛人物
1、国内
（1）何向南 （中国科学技术大学）
2020年9月获得阿里巴巴达摩院青橙奖，个人主页：http://staff.ustc.edu.cn/~hexn/
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
（2）赵鑫（中国人民大学）
AI Box小组，个人主页：http://aibox.ruc.edu.cn/
（3）任昭春（山东大学）
来自山东大学信息检索实验室（http://ir.sdu.edu.cn/index.htm），马军、陈竹敏、任昭春都是这个课题组。
任老师主页：http://ir.sdu.edu.cn/~zhaochunren/
（4）郭贵冰
东北大学软件学院，从新加坡南洋理工大学回国。个人主页：https://guoguibing.github.io/
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
（5）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》。
（6）李晨亮
武汉大学国家网络安全学院，个人主页：http://lichenliang.net/zh.html
（7）谢幸、王希廷（微软亚洲研究院）
谢幸主页：https://www.microsoft.com/en-us/research/people/xingx/representative-publications/
（8）张永锋、陈旭（清华大学张敏、马少平课题组）
他们对可解释推荐研究颇深。
（9）张伟楠（上海交通大学）
个人主页：http://wnzhang.net/
（10）陈恩红、刘淇（中国科学技术大学）
（11）王鑫（清华大学）
个人主页：http://media.cs.tsinghua.edu.cn/~wangx/
王鑫获得了腾讯犀牛鸟精英人才培养计划课题资助
2020腾讯犀牛鸟精英人才培养计划课题介绍（九）——信息检索和推荐系统
（12）辛欣（北京理工大学）
个人主页：http://cs.bit.edu.cn/szdw/jsml/fjs/xx/index.htmhttp://cs.bit.edu.cn/szdw/jsml/fjs/xx/index.htm
（13）汪军（伦敦大学）
强化学习做的也很好。
个人主页：http://www0.cs.ucl.ac.uk/staff/Jun.Wang/
（14）杨晓春（东北大学）
个人主页：http://www.cse.neu.edu.cn/2019/0312/c6641a157517/page.htm
（15）林鸿飞（大连理工大学）
个人主页：http://faculty.dlut.edu.cn/linhongfei/zh_CN/index.htm
（16）贾珈（清华大学）
（17）刘康（中科院自动化所）
2、国外
（1）Julian McAuley（加利福尼亚大学圣迭戈分校）
个人主页：https://www.researchgate.net/scientific-contributions/2146597485-Julian-McAuley
主要贡献：研究方向为社交网络、数据挖掘、推荐系统
代表文献：Leveraging social connections to improve personalized ranking for collaborative filtering
（2）董瑞海（School of Computer Science in University College Dublin）
个人主页：https://people.ucd.ie/ruihai.dong/about
（3）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，曾就职雅虎，现就职于谷歌
代表文献：Matrix Factorization Techniques For Recommender Systems
（4）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
（5）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
（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
二、*会议
SIGIR、CCIR（信息检索）
ACL、NLPCC（自然语言处理）
IJCAI（人工智能）
参考链接