深度推荐系统（二）
2020-01-05深度推荐系统
https://mp.weixin.qq.com/s/frUPjpCQGlZc7Dag_v7r3A
2018年最全的推荐系统干货
https://mp.weixin.qq.com/s/3NStfKyn3rGmLUrgk4b9lQ
想了解推荐系统最新研究进展？请收好这16篇论文
https://mp.weixin.qq.com/s/7I8k3sKZfaGr8vj1WHbS7g
99页推荐系统情感分析教程发布
https://mp.weixin.qq.com/s/5ryEfgQnX-JXCvhwzKSCjA
点击率预估界的“神算子”是如何炼成的？
https://mp.weixin.qq.com/s/npZg46MK5MZ7h9cqvrAYiQ
机器如何猜你所想？阿里小蜜预测平台揭秘
https://zhuanlan.zhihu.com/p/46755166
利用评论文本交互提升推荐系统
https://zhuanlan.zhihu.com/p/47393033
基于知识的新闻推荐
https://mp.weixin.qq.com/s/jHKgKnl-SbZltl76Ln_Fgg
AutoML详解及其在推荐系统中的应用、优缺点
https://mp.weixin.qq.com/s/0FdosHMzKiYL8XCx_XEPFA
双十一疯狂剁手，你知道阿里是如何跟踪用户兴趣演化的吗？
https://zhuanlan.zhihu.com/p/49410727
利用分类学数据来增强序列推荐的能力
https://mp.weixin.qq.com/s/jdRu-cishwV8qBmGLTFJCA
美团“猜你喜欢”深度学习排序模型实践
https://mp.weixin.qq.com/s/u7GJstj5E_7y1rwkUbpAXg
推荐系统的可解释性浅谈
https://mp.weixin.qq.com/s/3j367YCViJtY9iB386p8jA
简洁易用可扩展，一个基于深度学习的CTR模型包
https://mp.weixin.qq.com/s/hxwyVCjK40urSTUZoDsQig
Deep Neural Network for YouTube Recommendations
https://mp.weixin.qq.com/s/fiUcm143ieCe3KkcJ0V5LQ
京东如何在仓储库存部署时保证“啤酒尿裤”的高效履约？
https://mp.weixin.qq.com/s/n9j9QuMe3fIPQFQKk5Tgjw
Airbnb: 深度学习在搜索排序业务中的探索与演进（一）
https://mp.weixin.qq.com/s/ejQW9EI48kJ4pvIlh7H3Dw
Airbnb: 深度学习在搜索排序业务中的探索与演进（二）
https://zhuanlan.zhihu.com/p/57234648
深入解读Airbnb推荐算法
https://mp.weixin.qq.com/s/oOQfV35x9IJgE0y_ecjntA
解读Airbnb的个性化搜索排序算法
https://mp.weixin.qq.com/s/2Th2PO4rC-r4LOU46uYDjg
重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文
https://mp.weixin.qq.com/s/mcf3Aoub6VbNwtA-Izsdbg
YouTube深度学习推荐系统的十大工程问题
https://mp.weixin.qq.com/s/A7Qg1gd66aksA6npJl3dNQ
深度学习在搜索业务中的探索与实践
https://mp.weixin.qq.com/s/wjgoH6-eJQDL1KUQD3aQUQ
大众点评搜索基于知识图谱的深度学习排序实践
https://mp.weixin.qq.com/s/Dmkc7X-GgRrdNVQXz6Mwgg
镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展
https://mp.weixin.qq.com/s/-EDxUwAKdXnmUKeLJTiAUw
解构阿里深度兴趣网络（DIN）：如何将注意力机制引入推荐系统？
https://mp.weixin.qq.com/s/SZktX3FgFrd0os8S9jcVfw
DIN: 阿里点击率预估之深度兴趣网络
https://zhuanlan.zhihu.com/p/54838663
也评Deep Interest Evolution Network
https://mp.weixin.qq.com/s/lnCe_3ssP6IEOHEX-N4vyg
达观数据于敬：个性化推荐系统实践应用
https://mp.weixin.qq.com/s/CYW-WMl94FT2-fqsxShNDw
读者喜欢看什么文章？腾讯微信融合时间过程与内容特征寻找答案
https://mp.weixin.qq.com/s/4k106lCBns-iEg3gy5mcbg
WSDM 2019教程—李航、何向南等，深度学习匹配在搜索和推荐中的应用
https://mp.weixin.qq.com/s/SYFShtmBIgEW8_cEYec0kw
清华张敏教授：个性化推荐研究进展（可解释性、鲁棒性和公平性）
https://zhuanlan.zhihu.com/p/57056588
一图胜千言: 解读阿里的Deep Image CTR Model
https://mp.weixin.qq.com/s/98X2agJlZcCH6IdZqf9m0A
深度学习在美团配送ETA预估中的探索与实践
https://mp.weixin.qq.com/s/BInWMRt-fVcRbY8aCiPnpA
淘宝总知道你要什么？万字讲述智能内容生成实践
https://mp.weixin.qq.com/s/E6EH6aJjzTwN2UZf_4nwoA
从FFM到DeepFFM，推荐排序模型到底哪家强？
https://www.zhihu.com/question/20830906/
deep learning可以用来做推荐系统吗？
https://mp.weixin.qq.com/s/WZ5CYdinRvRrCuniLHok-Q
Embedding技术在深度学习CTR模型中的应用
https://mp.weixin.qq.com/s/MBVac45WpZy4c208zF3Ang
当你打开天猫的那一刻，推荐系统做了哪些工作？
https://mp.weixin.qq.com/s/V7QODQ2F9q8Q7lfuny8JPw
强化学习用于推荐系统，蚂蚁金服提出生成对抗用户模型
https://mp.weixin.qq.com/s/_YP6zpsgMLgAZemW3PRj3w
基于深度学习的序列推荐系统：概念，算法与评估
https://mp.weixin.qq.com/s/X-1zyTPKlCSKupkhzVG_AQ
Airbnb实时个性化推荐之Embedding真的好用吗？
https://mp.weixin.qq.com/s/w3qt1qW8tfWr25ZemPdYvQ
推荐模型的演化趋势及FM统一召回模型实践
https://mp.weixin.qq.com/s/IfS7-pMbyfkDENoEOFN6lQ
学习偏好，北大&BOSS直聘的这个AI模型能更好的为你找工作
https://mp.weixin.qq.com/s/d3ZQ07XJ8x8MRgWHpAckZg
工程师如何给女友买包？问问阿里“百事通”
https://mp.weixin.qq.com/s/I5LG_u1_pcY9_tUCAxATGA
“看一看”推荐模型揭秘！微信团队提出实时Look-alike算法，解决推荐系统多样性问题
https://mp.weixin.qq.com/s/3-eGTFCtvSnk-29si2WJGA
深度学习在推荐系统中的应用及论文小结
https://mp.weixin.qq.com/s/TUXvhkdqQ_kdmSKknsvUcA
深度学习在推荐系统中的应用
https://mp.weixin.qq.com/s/4VcRdEg_XcZ1TRKPfbCjaw
想了解大厂如何做推荐？Facebook开源深度学习推荐模型DLRM
https://mp.weixin.qq.com/s/qoxEidhZAlY9R0T3y3nP6Q
阿里首次将用户手势数据用于电商场景！淘宝提出用户实时意图预测算法DIPN，效果秒杀传统模型
https://mp.weixin.qq.com/s/MhW2RDgFv58Yt4cvD2YvHg
CTR预估问题没有“银弹”，比模型结构更重要的是什么？
https://mp.weixin.qq.com/s/a4_BLRB8Y1HvJcZS9O-I5A
阿里最新论文解读：考虑时空域影响的点击率预估模型DSTN
https://zhuanlan.zhihu.com/p/69050253
五大顶会2019必读的深度推荐系统与CTR预估相关的论文
https://mp.weixin.qq.com/s/HwMkRHGH_vH1M2naoW902A
深度学习在美团配送ETA预估中的探索与实践
https://mp.weixin.qq.com/s/C0osCg2uNrzJv0kqZohUDg
当经济学遇见搜索引擎，287页教程带你领略最新研究成果
https://mp.weixin.qq.com/s/x2nmmEcsV82dGBJgIj2Znw
可解释性推荐和搜索教程
https://zhuanlan.zhihu.com/p/52824004
当推荐系统邂逅深度学习
https://mp.weixin.qq.com/s/69z8LSuEM3Th8crhUNMhiA
基于知识的个性化推荐理由生成解析
https://mp.weixin.qq.com/s/xxTP_WRGy-lYykk300SnWw
推荐系统工程难题：如何做好深度学习CTR模型线上Serving
https://mp.weixin.qq.com/s/ZZoQynG8XYzhtgwqorBUyg
天下武功，唯快不破，论推荐系统的“实时性”
https://mp.weixin.qq.com/s/DzsS7Q1hqH2YwRTvKFVh6w
如何增强推荐系统模型更新的“实时性”？
https://mp.weixin.qq.com/s/G4G6okx8NGOH8hk92C0KmQ
前沿推荐系统方法，UTS 316页PPT
https://www.zhihu.com/question/332347498
如何理解在各类NLP或CTR预估模型中，将embedding求平均这一做法的物理意义？
https://mp.weixin.qq.com/s/F2DAMKXbc4MI3iaayljxtQ
Deep FM详解
https://zhuanlan.zhihu.com/p/79900211
通过Embedding和Mapping方法实现跨领域推荐
https://mp.weixin.qq.com/s/f8WypYGcz3W56o6aG0NuoA
为什么说阿里工程师最懂时尚？
https://mp.weixin.qq.com/s/t8HKBn2NKzEkzyZwR4svaA
Exact-k：阿里工程师找到了组合推荐的秘密！
https://zhuanlan.zhihu.com/p/76413089
电商多目标优化小结
https://mp.weixin.qq.com/s/OL4X2hNlOcE3peD-CYTTdw
基于神经网络的协同过滤（NCF）详解
https://mp.weixin.qq.com/s/29mEv-trmrvIx_wqfu5EYw
Neural Factorization Machines神经因子分解机详解
https://mp.weixin.qq.com/s/92udRhAQHqDCCFpK6YUFOw
深度学习在推荐系统中的最新应用
https://mp.weixin.qq.com/s/ii7rLrZetLf3l_ThHc-4lQ
Attentional Factorization Machines（AFM）详解
https://mp.weixin.qq.com/s/bBVFuxuq4e__MYmYyeX5bQ
MSRA开源基于注意力机制的全新推荐模型，融合用户长短期偏好
https://zhuanlan.zhihu.com/p/86031123
深度CTR预估新积木ONN模型源码阅读与调参经验
https://mp.weixin.qq.com/s/B109cC_hf3XXsKRAw-0_xA
YouTube视频推荐系统为什么那么强？
https://mp.weixin.qq.com/s/c6aZYgx7gKuZk3EMs6PNRQ
Youtube推荐系统是如何挖掘用户内心另一面的
https://zhuanlan.zhihu.com/p/53462648
AutoInt:使用Multi-head Self-Attention进行自动特征学习的CTR模型
https://mp.weixin.qq.com/s/JXW–wzpaFwRHSSvZEA0mg
阿里提出多目标优化全新算法框架，同时提升电商GMV和CTR
https://mp.weixin.qq.com/s/0vZqCswErlggD6S52GnYVA
YouTube多目标排序系统：如何推荐接下来收看的视频
https://mp.weixin.qq.com/s/km9jnS5_k3kvuyfhUvzbWQ
推荐系统中的前沿技术研究与落地：深度学习、AutoML与强化学习
https://zhuanlan.zhihu.com/p/86181485
深度CTR预估模型的演化之路
https://www.zhihu.com/question/341529083
CTR和推荐算法有什么本质区别？
https://mp.weixin.qq.com/s/rAbSWoo3WMdHsHaOx_x6fw
阿里巴巴素材治理算法介绍，为电商大促保驾护航
https://mp.weixin.qq.com/s/8M3MCrEFktUJPr7UsdMMew
Google最新论文：Youtube视频推荐如何做多目标排序
https://mp.weixin.qq.com/s/s4onMqilnlI1SNgFLr7gww
为什么你的毛衣显胖又显黑？这个算法给你答案
https://mp.weixin.qq.com/s/QSGrkLWDyeZLfyeeXHUS_w
基于多视角学习和个性化注意力机制的新闻推荐
https://mp.weixin.qq.com/s/b6XHZq6C0ZWOcDrysjMoog
RALM: 实时Look-alike算法在微信看一看中的应用
https://mp.weixin.qq.com/s/hODoZ4a7rChCkMhgN3mnGA
Look-alike算法加上RALM模型，让看一看资讯推荐更懂你
https://mp.weixin.qq.com/s/R0RGMTUj5Er07yvYurzFuQ
微信看一看实时Look-alike推荐算法
https://mp.weixin.qq.com/s/ZYbiNbBeEADvGafMKfy9zA
淘宝首页那些“辣眼睛”的图去哪了？
https://zhuanlan.zhihu.com/p/93467919
推荐系统之序列化建模
https://mp.weixin.qq.com/s/HEMtps82qKKtq0mV0d4vdw
微信算法工程师带你一文了解推荐系统领域的最新进展
https://mp.weixin.qq.com/s/rM9jhcj1JlZSbXOP4m9E-Q
FLEN: 一种时空高效的利用特征场信息缓解梯度耦合的CTR预测模型
https://mp.weixin.qq.com/s/nqCJOstJlZv6CrMST-tH8g
用户行为序列推荐模型
https://mp.weixin.qq.com/s/RQ1iBs8ftvNR0_xB7X8Erg
阿里妈妈点击率预估中的长期兴趣建模
https://mp.weixin.qq.com/s/Y4g2T6qMGzCcE67bINPiGA
推荐场景中召回模型的演化过程
https://mp.weixin.qq.com/s/k19LrH05lHjtpGRvS8Ro0g
超长用户行为序列建模
https://mp.weixin.qq.com/s/6K9hR3Kqa397BWNmcAWtqQ
序列化推荐系统的挑战，进展和展望
https://mp.weixin.qq.com/s/Pn8kSSBuWq-6dULfDKQoSQ
深度多兴趣网络DMIN
