深度推荐系统（一）
2020-01-04深度推荐系统
推荐系统一直是AI能够落地且商业前景很好的一个研究方向。自2016年以来，该方向也逐渐被DL所侵蚀，尽管目前从招聘来说，这方面的职位仍以普通ML为主。
2017年5月，我曾面试了一家电商企业。当时给我的感觉，虽然里面的工程师较早接触ML，然而知识老化现象比较严重，对最基本的神经网络知识缺乏必要的了解。这显然给了后来者一个弯道超车的好机会。
教程
https://mp.weixin.qq.com/s/3L-HNGBd1xW8SpK6BpEEtg
在线购买率转化高达60%，Amazon推荐系统是如何做到的？这个blog篇幅较长，基本涵盖了推荐系统的各个方面，包括传统算法和深度算法都有涉及。
https://mp.weixin.qq.com/s/aB8PnQuPmhftS18fUrumNg
零基础如何快速搭建一个推荐系统？这篇blog是某牛课程的广告贴，然而从课程目录中，我们还是能够知道一个推荐系统的大致知识点。
https://mp.weixin.qq.com/s/2RRzZcoy4L92n3VZH0o07w
无偏见排序学习：理论与实践135页PPT教程
https://www.comp.nus.edu.sg/~xiangnan/icmr18-recsys.pdf
中科大何向南的推荐系统教程
https://mp.weixin.qq.com/s/tqf-X8qRpeIVxHf4noWFQA
实战推荐系统，Practical Recommender Systems，432页pdf
专栏
https://www.jianshu.com/nb/21403842
推荐系统遇上深度学习
算法
深度推荐系统的算法包括：
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
这些算法的演化路径具体来说有两条：其一是从FM开始推演其在深度学习上的各种推广（对应下图的红线），另一条是从embedding+MLP自身的演进特点结合CTR预估本身的业务场景进行推演（对应下图黑线部分）。
这是另一个版本的演化图谱：
Side Information框架是解决冷启动的方法之一。
Sequential Recommender
上图中，灰色表示MLP，橙色表示RNN，黄色表示CNN，蓝色表示Attention，绿色表示GNN。
工具
https://www.librec.net/
这是一个Java写的推荐系统。东北大学的郭贵冰主持的项目。该网址同时也有不少相关论文可供阅读。
https://github.com/cheungdaven/DeepRec
这是一个基于Tensorflow的深度推荐系统
https://mp.weixin.qq.com/s/LmAtKi3QI71JHZRZWJMTVw
伯乐：一个易用、强大的PyTorch推荐系统开源库
Wide & Deep
https://mp.weixin.qq.com/s/G4bDj4a05K0kB4IZ6IosiQ
Wide & Deep
https://mp.weixin.qq.com/s/ouHfqFk_WQk7ZofvabEwZg
推荐系统Wide & Deep Learning详解
https://mp.weixin.qq.com/s/5wdGemYBtkYUvq1n5ioyFg
详解Wide&Deep理论与实践
https://mp.weixin.qq.com/s/SK6RXTnZrGk2emvV7fbUdw
推荐系统经典模型Wide & Deep
https://mp.weixin.qq.com/s/MtIPY1dJky27vZ9nAgS2cQ
Wide&Deep模型的八个实战细节
https://www.zhihu.com/question/364517083
DNN可以进行高阶特征交互，为什么Wide&Deep和DeepFM等模型仍然需要显式构造Wide部分？
DeepFM
https://mp.weixin.qq.com/s/JNGKz4-fWG4ygl7f6UkxcQ
DeepFM
https://mp.weixin.qq.com/s/v8L0E6G-ShOiyvaymw8MYg
一文搞懂DeepFM的理论与实践
https://mp.weixin.qq.com/s/u4onsUU4G4DNm4F5ytiNhQ
互联网广告CTR预估新算法：基于神经网络的DeepFM原理解读
https://zhuanlan.zhihu.com/p/48057256
用TensorFlow实现支持多值、稀疏、共享权重的DeepFM
https://mp.weixin.qq.com/s/jQGNWEdxH0meVwk-YDN4gw
手把手带你实现DeepFM
多目标学习
多目标学习相比于多模态学习和多任务学习来说，范围要小的多，仅仅只是同时满足推荐系统的若干目标而已。
https://mp.weixin.qq.com/s/J0j9NwSNhxab6bXqBBzaUw
进击的下一代推荐系统：多目标学习如何让知乎用户互动率提升100%？
https://mp.weixin.qq.com/s/c7BdWUM9BFQZfzWP7C_wfQ
多目标学习在推荐系统中的应用
https://mp.weixin.qq.com/s/msUvL7TZKG7ymLFXD-6qgw
京东DMT模型：电商推荐系统多Transformers 进行多目标学习
https://zhuanlan.zhihu.com/p/291406172
多目标学习在推荐系统的应用(MMOE/ESMM/PLE)
特征交叉
https://mp.weixin.qq.com/s/VOZh79VSCXzZlEuDuDdjKQ
CTR神经网络特征交叉汇总
https://mp.weixin.qq.com/s/bbkM69DuUqYWCbi8_jnQ_g
这篇文章送给想要学习特征交叉的朋友
https://mp.weixin.qq.com/s/PkoREw_nF-QLHdn7GLDfjw
深入理解推荐系统：特征交叉组合模型演化简史
https://mp.weixin.qq.com/s/0qidwbxyfTkODTw2DIiRWw
DCN-M：Google提出改进版DCN，用于大规模排序系统的特征交叉学习
参考
https://zhuanlan.zhihu.com/learningdeep
一个深度推荐的专栏
https://mp.weixin.qq.com/s/GMHjXa2r_1SG3HsA-bcIOQ
从FM推演各深度CTR预估模型
https://coladrill.github.io
一个深度推荐领域的blog
https://mp.weixin.qq.com/s/JeF2zKt99akhw_gs-RRFQQ
600页梳理！分享珍藏很久的《推荐系统学习手册》
https://coladrill.github.io/2019/12/10/推荐系统的发展与简单回顾/
推荐系统的发展与简单回顾
https://zhuanlan.zhihu.com/p/104307718
CTR预估模型发展过程与关系图谱
https://mp.weixin.qq.com/s/eSWJFzzNEgIyEQodrnx2-g
CTR预估系列炼丹入门手册
https://mp.weixin.qq.com/s/Rqz9yuSxpx_os54FrzyMqQ
一文尽览推荐系统模型演变史
https://zhuanlan.zhihu.com/p/109933924
CTR预估模型：DeepFM/Deep&Cross/xDeepFM/AutoInt代码实战与讲解
https://mp.weixin.qq.com/s/4CLFaP4F-CknDcOWSOdiTQ
基于深度学习的序列推荐系统综述：概念、方法与实验评估
https://mp.weixin.qq.com/s/Yz3vv6H4oHyZ-vX71yv5gw
谷歌、阿里等10大深度学习CTR模型最全演化图谱
https://zhuanlan.zhihu.com/p/26237106
深度学习在推荐算法上的应用进展
http://i.dataguru.cn/mportal.php?mod=view&aid=11463
深度学习在推荐领域的应用
https://zhuanlan.zhihu.com/p/33214451
深度学习在推荐系统上的应用
https://zhuanlan.zhihu.com/p/138446984
《深度学习推荐系统》总结系列一
https://mp.weixin.qq.com/s/hGvQvddD3i858XSK4z08Ug
主要推荐系统算法总结及Youtube深度学习推荐算法实例概括
https://mp.weixin.qq.com/s/yHtqWJUpCIvTStKW5TINaA
Youtube短视频推荐系统变迁：从机器学习到深度学习
https://mp.weixin.qq.com/s/N1oLs-saWN_ifkWEaWw_Vg
YouTube 2016年公布的基于深度学习的推荐算法
https://mp.weixin.qq.com/s/WzSO_XobY6kesDm4sF-hBg
深度学习之推荐篇
https://www.zhihu.com/question/352306163
现阶段各家公司的广告算法使用的主流模型有哪些？
https://mp.weixin.qq.com/s/LKjVfhyhL4GVx6l5WC6-CQ
如何用深度学习实现用户行为预测与推荐
https://zhuanlan.zhihu.com/p/114590897
回顾经典，Netflix的推荐系统架构
https://mp.weixin.qq.com/s/UrMsMHAkqNHJEl5lhAvLtA
腾讯提出并行贝叶斯在线深度学习框架PBODL：预测广告系统的点击率
http://mp.weixin.qq.com/s/Jiis7j3W3D5GG_ZdxplY7Q
淘宝搜索/推荐系统背后深度强化学习与自适应在线学习的实践之路
https://mp.weixin.qq.com/s/847h4ITQMtUlZcurJ9Vlvg
深度学习在美团点评推荐平台排序中的运用
https://mp.weixin.qq.com/s/AICgNDyWASx_B8NzWcFTqA
一文综述所有用于推荐系统的深度学习方法
https://mp.weixin.qq.com/s/zSBpqhoyROh74UZEItBanA
基于概率隐层模型的购物搭配推送：阿里巴巴提出新型用户偏好预测模型
http://mp.weixin.qq.com/s/nmLNKscP1qxyv_aoSrwEEw
基于大规模图计算的本地算法对展示广告的行为预测
https://mp.weixin.qq.com/s/8hNkntUauCSeVqc2v0QUqA
人工智能如何帮你找到好歌：探秘Spotify神奇的每周歌单
https://zhuanlan.zhihu.com/p/30720579
推荐中的序列化建模：Session-based neural recommendation
https://mp.weixin.qq.com/s/vpxLTcwenvlIvj5D-8uolg
一天造出10亿个淘宝首页，阿里工程师如何实现？
https://mp.weixin.qq.com/s/lZ4FOOVIxsdKvfW45CYCnA
你看到哪版电影海报，由算法决定：揭秘Netflix个性化推荐系统
http://www.cnblogs.com/qcloud1001/p/7483362.html
深度学习在CTR中应用
https://mp.weixin.qq.com/s/saGxgND8ZV3Q3pxRh3n3FA
DeepCTR综述: 深度学习用于点击率预估
http://www.cnblogs.com/qcloud1001/p/7513982.html
常见计算广告点击率预估算法总结
https://mp.weixin.qq.com/s/Q8Mt9B1rzbeWXqIInrzSYQ
使用深度学习构建先进推荐系统：近期33篇重要研究概述
https://mp.weixin.qq.com/s/PlsFxKz_Igorh94Ni-78Hg
融合MF和RNN的电影推荐系统
https://mp.weixin.qq.com/s/JKMOhpLWWlrDzymDDEldXw
深度学习大行其道，个性化推荐如何与时俱进？
https://mp.weixin.qq.com/s/FBzd0x4_A9z-r0f3ZKFGuw
携程个性化推荐算法实践
https://mp.weixin.qq.com/s/Q01jy2RtbpBBHGtvtfhEGA
当机器学习遇到推荐系统，悉尼科技大学Liang Hu博士最新分享
https://mp.weixin.qq.com/s/zBcd2vCYZvb_T7De2QhRew
京东公布基于计算机视觉的电商推荐技术！
https://mp.weixin.qq.com/s/rIZUar6sUZXo2S1JwLrHug
AI研究新利器Etymo，妈妈再也不用担心我找不到论文！
https://zhuanlan.zhihu.com/p/33956907
阿里-搜索团队智能内容生成实践
https://mp.weixin.qq.com/s/9nGjIgwzGG2sXvEzvYEptQ
基于“翻译”的推荐系统方案，加州大学圣地亚哥分校最新工作
https://mp.weixin.qq.com/s/Qupo61cnuO_10sVpRe-wQA
DKN:基于深度知识感知的新闻推荐网络
https://mp.weixin.qq.com/s/9xw-FwWEK9VI2wNzc8EhPA
阿里盖坤：解读阿里深度学习实践，CTR 预估、MLR 模型、兴趣分布网络等
https://zhuanlan.zhihu.com/p/35472804
TransNets: Learning to Transform for Recommendation
https://mp.weixin.qq.com/s/_xAB7-LxKRlH76FVsyezzQ
阿里妈妈资深技术专家刘凯鹏解读基于深度学习的智能搜索营销
https://zhuanlan.zhihu.com/p/35484389
深度学习在CTR预估中的应用
https://mp.weixin.qq.com/s/5A0mnFIMGX1GViD65vURcg
浅谈CTR预估模型发展史
https://mp.weixin.qq.com/s/nboZ6p_l30L__FJNyz6Ohw
深度学习如何应用在广告、推荐及搜索业务？
