第43届国际信息检索研究和发展大會（SIGIR）将于2020年7月25-30日在美丽的中国西安举行此次大会共收到了555篇长文投稿，录用147篇长文录取率26.4%；共收到了507篇短文投稿，录用153篇短文录取率30%。

正因为推荐与搜索是解决信息过载的两种有效途径因此虽然是关于检索的会议，但通过下图可以看出推荐（Recommendation）占据了很大比例與搜索（Search+Retrieval）不相上下。另外图与网络（Graph/Network）数据成为研究的主要对象，毕竟许多待研究的对象都可以表示为图值得注意的是，神经网络（Neural）仍然排在前列；融合知识（Knowledge）的搜索/推荐系统也被许多研究者研究除此之外，强化学习也出现在了排行榜中可见利用强化学习的思想来迭代优化搜索/推荐逐渐成为流行。

另外还注意到今年SIGIR开办了一场关于对话推荐/检索的Tutorial，感兴趣的小伙伴可以多多关注想提前了解对话推荐（Conversational RS，CRS）的朋友可以公众号后台回复【CRS】获取对话推荐系统最新综述。

RSConversational RS，RL for RSCross-domain RS，Explainable RSPOI RS。另外对于有一些不包含在以上类别的文嶂，我们统一归为了Others当然，以上分类仁者见仁智者见智，目的是给大家一个相对清晰的结构具体的各个类别所包含的论文数见下表。

可见序列化推荐的文章占比较大；随后是基于图的推荐、鲁棒的推荐系统；其次是提升推荐效率的文章、基于知识的推荐以及解决冷啟动问题的推荐文章、组推荐、对话推荐系统；最后是强化学习推荐、跨域推荐、可解释推荐以及兴趣点推荐。当然其他类别中也包含了許多有意思的研究比如消除推荐偏置（Bias）的文章、分布式训练推荐系统的文章以及如何retrain推荐系统的文章等。

接下来是分类好的推荐论文列表大家可以根据自己的研究子方向进行精读。