深度推薦系統

深度推薦系統
推薦系統一直是AI可以落地且商業前景很好的一個研究方向。自2016年以來，該方向也逐漸被DL所侵蝕，儘管目前從招聘來講，這方面的職位仍以普通ML爲主。

2017年5月，我曾面試了一家電商企業。當時給個人感受，雖然裏面的工程師較早接觸ML，然而知識老化現象比較嚴重，對最基本的神經網絡知識缺少必要的瞭解。這顯然給了後來者一個彎道超車的好機會。

教程
https://mp.weixin.qq.com/s/3L-HNGBd1xW8SpK6BpEEtg

在線購買率轉化高達60%，Amazon推薦系統是如何作到的？這個blog篇幅較長，基本涵蓋了推薦系統的各個方面，包括傳統算法和深度算法都有涉及。

https://mp.weixin.qq.com/s/aB8PnQuPmhftS18fUrumNg

零基礎如何快速搭建一個推薦系統？這篇blog是某牛課程的廣告貼，然而從課程目錄中，咱們仍是可以知道一個推薦系統的大體知識點。

https://mp.weixin.qq.com/s/2RRzZcoy4L92n3VZH0o07w

無偏見排序學習：理論與實踐135頁PPT教程

算法
深度推薦系統的算法包括：

https://mp.weixin.qq.com/s/qwDIvXlpP5UIBTwtpqhYsg

Auto-Encoder

https://mp.weixin.qq.com/s/AqgxnfR4h1FBRmmEe6uPqQ

CDL

https://mp.weixin.qq.com/s/WlgUVf1EjpO9UGqjTJN5ww

UWRL

https://mp.weixin.qq.com/s/KII9oNg7kqfco2MngUOGAw

AutoRec

https://mp.weixin.qq.com/s/mnGuPGtdw9d1BzeNpoYYqw

DeepCoNN

https://mp.weixin.qq.com/s/lJDiP7oeiFQSEyxWt_9uBA

NFM

https://mp.weixin.qq.com/s/G4bDj4a05K0kB4IZ6IosiQ

Wide & Deep

https://mp.weixin.qq.com/s/JNGKz4-fWG4ygl7f6UkxcQ

DeepFM

這些算法的演化路徑具體來講有兩條：其一是從FM開始推演其在深度學習上的各類推廣（對應下圖的紅線），另外一條是從embedding+MLP自身的演進特色結合CTR預估自己的業務場景進行推演（對應下圖黑線部分）。

 

 

 

工具
https://www.librec.net/

這是一個Java寫的推薦系統。東北大學的郭貴冰主持的項目。該網址同時也有很多相關論文可供閱讀。

參考
https://zhuanlan.zhihu.com/learningdeep

一個深度推薦的專欄

https://mp.weixin.qq.com/s/GMHjXa2r_1SG3HsA-bcIOQ

從FM推演各深度CTR預估模型

https://zhuanlan.zhihu.com/p/26237106

深度學習在推薦算法上的應用進展

http://i.dataguru.cn/mportal.php?mod=view&aid=11463

深度學習在推薦領域的應用

https://zhuanlan.zhihu.com/p/33214451

深度學習在推薦系統上的應用

https://mp.weixin.qq.com/s/hGvQvddD3i858XSK4z08Ug

主要推薦系統算法總結及Youtube深度學習推薦算法實例歸納

https://mp.weixin.qq.com/s/yHtqWJUpCIvTStKW5TINaA

Youtube短視頻推薦系統變遷：從機器學習到深度學習

https://mp.weixin.qq.com/s/N1oLs-saWN_ifkWEaWw_Vg

YouTube 2016年公佈的基於深度學習的推薦算法

https://mp.weixin.qq.com/s/WzSO_XobY6kesDm4sF-hBg

深度學習之推薦篇

https://mp.weixin.qq.com/s/LKjVfhyhL4GVx6l5WC6-CQ

如何用深度學習實現用戶行爲預測與推薦

https://mp.weixin.qq.com/s/UrMsMHAkqNHJEl5lhAvLtA

騰訊提出並行貝葉斯在線深度學習框架PBODL：預測廣告系統的點擊率

http://mp.weixin.qq.com/s/Jiis7j3W3D5GG_ZdxplY7Q

淘寶搜索/推薦系統背後深度強化學習與自適應在線學習的實踐之路

https://mp.weixin.qq.com/s/847h4ITQMtUlZcurJ9Vlvg

深度學習在美團點評推薦平臺排序中的運用

https://mp.weixin.qq.com/s/AICgNDyWASx_B8NzWcFTqA

一文綜述全部用於推薦系統的深度學習方法

https://mp.weixin.qq.com/s/zSBpqhoyROh74UZEItBanA

基於機率隱層模型的購物搭配推送：阿里巴巴提出新型用戶偏好預測模型

http://mp.weixin.qq.com/s/nmLNKscP1qxyv_aoSrwEEw

基於大規模圖計算的本地算法對展現廣告的行爲預測

https://mp.weixin.qq.com/s/8hNkntUauCSeVqc2v0QUqA

人工智能如何幫你找到好歌：探祕Spotify神奇的每週歌單

https://zhuanlan.zhihu.com/p/30720579

推薦中的序列化建模：Session-based neural recommendation

https://mp.weixin.qq.com/s/vpxLTcwenvlIvj5D-8uolg

一天造出10億個淘寶首頁，阿里工程師如何實現？

https://mp.weixin.qq.com/s/lZ4FOOVIxsdKvfW45CYCnA

你看到哪版電影海報，由算法決定：揭祕Netflix個性化推薦系統

http://www.cnblogs.com/qcloud1001/p/7483362.html

深度學習在CTR中應用

http://www.cnblogs.com/qcloud1001/p/7513982.html

常見計算廣告點擊率預估算法總結

https://mp.weixin.qq.com/s/Q8Mt9B1rzbeWXqIInrzSYQ

使用深度學習構建先進推薦系統：近期33篇重要研究概述

https://mp.weixin.qq.com/s/PlsFxKz_Igorh94Ni-78Hg

融合MF和RNN的電影推薦系統

https://mp.weixin.qq.com/s/JKMOhpLWWlrDzymDDEldXw

深度學習大行其道，個性化推薦如何與時俱進？

https://mp.weixin.qq.com/s/FBzd0x4_A9z-r0f3ZKFGuw

攜程個性化推薦算法實踐

https://mp.weixin.qq.com/s/Q01jy2RtbpBBHGtvtfhEGA

當機器學習遇到推薦系統，悉尼科技大學Liang Hu博士最新分享

https://mp.weixin.qq.com/s/zBcd2vCYZvb_T7De2QhRew

京東公佈基於計算機視覺的電商推薦技術！

https://mp.weixin.qq.com/s/rIZUar6sUZXo2S1JwLrHug

AI研究新利器Etymo，媽媽不再用擔憂我找不到論文！

https://zhuanlan.zhihu.com/p/33956907

阿里-搜索團隊智能內容生成實踐

https://mp.weixin.qq.com/s/9nGjIgwzGG2sXvEzvYEptQ

基於「翻譯」的推薦系統方案，加州大學聖地亞哥分校最新工做

https://mp.weixin.qq.com/s/Qupo61cnuO_10sVpRe-wQA

DKN:基於深度知識感知的新聞推薦網絡

https://mp.weixin.qq.com/s/9xw-FwWEK9VI2wNzc8EhPA

阿里蓋坤：解讀阿里深度學習實踐，CTR 預估、MLR 模型、興趣分佈網絡等

https://zhuanlan.zhihu.com/p/35472804

TransNets: Learning to Transform for Recommendation

https://mp.weixin.qq.com/s/_xAB7-LxKRlH76FVsyezzQ

阿里媽媽資深技術專家劉凱鵬解讀基於深度學習的智能搜索營銷

https://mp.weixin.qq.com/s/CMZHhxAMno2GlnQCjv0BKg

深度學習在CTR預估中的應用

https://mp.weixin.qq.com/s/nboZ6p_l30L__FJNyz6Ohw

深度學習如何應用在廣告、推薦及搜索業務？

https://zhuanlan.zhihu.com/p/36564514

基於深度學習的評論文本表示論文引介

https://mp.weixin.qq.com/s/a-lDJuwFYVNupeNhxyXDkA

跨域社交推薦：如何透過用戶社交信息「猜你喜歡」？

https://mp.weixin.qq.com/s/FvuWZPNKcnimAGzsfgVdBQ

阿里媽媽公開全新CVR預估模型

https://mp.weixin.qq.com/s/Ya8RZ3TouAapU_xuvMjjMQ

深度協同過濾：用神經網絡取代內積建模

https://mp.weixin.qq.com/s/CyelwdWX4yPVp8o79itonQ

阿里提出聯合預估算法JUMP：點擊率和停留時長預測效果最優

https://mp.weixin.qq.com/s/HS2zcnA1YSRU8-DrodJ6Qw

淘寶用強化學習優化商品搜索後，總收入能提升2%

https://mp.weixin.qq.com/s/QZeyEN2DDM_etEki7uodMg

一個神奇的特徵選擇輪子----MLFeatureSelection

https://mp.weixin.qq.com/s/8MQ1G-JWGAw5Ev1Ws3V_ig

IJCAI 2018國際廣告算法大賽遷移學習奪冠，中國包攬冠亞季軍

https://mp.weixin.qq.com/s/QCGemlo8CYIz6imMde_cmg

推薦系統中的機器學習算法與評估實戰

https://mp.weixin.qq.com/s/v8L0E6G-ShOiyvaymw8MYg

一文搞懂DeepFM的理論與實踐

https://mp.weixin.qq.com/s/u4onsUU4G4DNm4F5ytiNhQ

互聯網廣告CTR預估新算法：基於神經網絡的DeepFM原理解讀

https://mp.weixin.qq.com/s/QaMjHRZ5fiN2zBJLIeGrSg

阿里推出DeepInsight平臺：可視化理解深度神經網絡CTR預估模型

https://mp.weixin.qq.com/s/JEOfAXg4nDepMtzPCgElrg

SIGIR 2018最佳論文：深刻分析流行度在推薦系統中的做用

https://mp.weixin.qq.com/s/5wdGemYBtkYUvq1n5ioyFg

詳解Wide&Deep理論與實踐

https://mp.weixin.qq.com/s/pA1SSEnwC884LBZGiH3jhg

基於改進注意力循環控制門，品牌個性化排序升級系統來了

https://mp.weixin.qq.com/s/V6tjQzfzsekXuoXhbXbKSQ

一文搞懂阿里Deep Interest Network

https://mp.weixin.qq.com/s/ro3D_d-ZPP0TasqPr4PgPA

推薦系統特徵構建新進展：極深因子分解機模型

https://mp.weixin.qq.com/s/MoUd99mCR3Xyu_FnV8jLKA

機器如何「猜你喜歡」？深度學習模型在1688的應用實踐

https://mp.weixin.qq.com/s/O_BYzrw5YAbLkfVDqcmwmw

36頁最新《深度學習在推薦系統上的應用》綜述論文，209篇參考論文

https://mp.weixin.qq.com/s/frUPjpCQGlZc7Dag_v7r3A

2018年最全的推薦系統乾貨

https://mp.weixin.qq.com/s/3NStfKyn3rGmLUrgk4b9lQ

想了解推薦系統最新研究進展？請收好這16篇論文

https://mp.weixin.qq.com/s/7I8k3sKZfaGr8vj1WHbS7g

99頁推薦系統情感分析教程發佈

https://mp.weixin.qq.com/s/5ryEfgQnX-JXCvhwzKSCjA

點擊率預估界的「神算子」是如何煉成的？

https://mp.weixin.qq.com/s/npZg46MK5MZ7h9cqvrAYiQ

機器如何猜你所想？阿里小蜜預測平臺揭祕

https://zhuanlan.zhihu.com/p/46755166

利用評論文本交互提高推薦系統

https://zhuanlan.zhihu.com/p/47393033

基於知識的新聞推薦

https://mp.weixin.qq.com/s/jHKgKnl-SbZltl76Ln_Fgg

AutoML詳解及其在推薦系統中的應用、優缺點

https://mp.weixin.qq.com/s/0FdosHMzKiYL8XCx_XEPFA

雙十一瘋狂剁手，你知道阿里是如何跟蹤用戶興趣演化的嗎？

https://zhuanlan.zhihu.com/p/49410727

利用分類學數據來加強序列推薦的能力

https://mp.weixin.qq.com/s/jdRu-cishwV8qBmGLTFJCA

美團「猜你喜歡」深度學習排序模型實踐

https://mp.weixin.qq.com/s/u7GJstj5E_7y1rwkUbpAXg

推薦系統的可解釋性淺談

https://mp.weixin.qq.com/s/3j367YCViJtY9iB386p8jA

簡潔易用可擴展，一個基於深度學習的CTR模型包

https://mp.weixin.qq.com/s/hxwyVCjK40urSTUZoDsQig

Deep Neural Network for YouTube Recommendations

https://mp.weixin.qq.com/s/fiUcm143ieCe3KkcJ0V5LQ

京東如何在倉儲庫存部署時保證「啤酒尿褲」的高效履約？

https://mp.weixin.qq.com/s/n9j9QuMe3fIPQFQKk5Tgjw

Airbnb: 深度學習在搜索排序業務中的探索與演進（一）

https://mp.weixin.qq.com/s/ejQW9EI48kJ4pvIlh7H3Dw

Airbnb: 深度學習在搜索排序業務中的探索與演進（二）

https://mp.weixin.qq.com/s/2Th2PO4rC-r4LOU46uYDjg

重讀Youtube深度學習推薦系統論文，字字珠璣，驚爲神文

https://mp.weixin.qq.com/s/mcf3Aoub6VbNwtA-Izsdbg

YouTube深度學習推薦系統的十大工程問題

https://mp.weixin.qq.com/s/A7Qg1gd66aksA6npJl3dNQ

深度學習在搜索業務中的探索與實踐

https://mp.weixin.qq.com/s/wjgoH6-eJQDL1KUQD3aQUQ

大衆點評搜索基於知識圖譜的深度學習排序實踐————————————————版權聲明：本文爲CSDN博主「antkillerfarm」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接及本聲明。原文連接：https://blog.csdn.net/antkillerfarm/article/details/89081389