深度推荐系统（三）
2020-12-17深度推荐系统
https://zhuanlan.zhihu.com/p/36564514
基于深度学习的评论文本表示论文引介
https://mp.weixin.qq.com/s/a-lDJuwFYVNupeNhxyXDkA
跨域社交推荐：如何透过用户社交信息“猜你喜欢”？
https://mp.weixin.qq.com/s/FvuWZPNKcnimAGzsfgVdBQ
阿里妈妈公开全新CVR预估模型
https://mp.weixin.qq.com/s/Ya8RZ3TouAapU_xuvMjjMQ
深度协同过滤：用神经网络取代内积建模
https://zhuanlan.zhihu.com/p/100019681
推荐系统技术演进趋势：从召回到排序再到重排
https://zhuanlan.zhihu.com/p/102918124
微信看一看Embedding
https://zhuanlan.zhihu.com/p/115781834
深度学习在花椒直播中的应用——推荐系统冷启动算法
https://mp.weixin.qq.com/s/ec88cMR4K6pWyHhJs7FEFQ
智能推荐算法在花椒直播中的应用
https://zhuanlan.zhihu.com/p/68897114
如何刻画用户的多样兴趣——MIND network阅读笔记
https://mp.weixin.qq.com/s/sbdnEMez_BKPzXOl1Z4AzQ
DeepMatch：用于推荐&广告的深度召回匹配算法库
https://zhuanlan.zhihu.com/p/127030405
对话推荐系统综述论文
https://mp.weixin.qq.com/s/kPdYAzVYelE9LxvGvi4f8w
多值类别特征加入CTR预估模型的方法汇总
https://zhuanlan.zhihu.com/p/101298495
稠密特征加入CTR预估模型有哪些方法？
https://zhuanlan.zhihu.com/p/101136699
推荐系统中的深度匹配模型
https://mp.weixin.qq.com/s/1xVPRIVwQQJfEen0RiNYvg
谈谈推荐系统中的用户行为序列建模最新进展
https://mp.weixin.qq.com/s/n5MYTk6V77Hazodw4pxnSQ
基于多任务学习和负反馈的深度召回模型
https://mp.weixin.qq.com/s/CuTEW0y7juWSBGlhltB7qw
FGCNN：使用CNN进行特征生成的CTR预测模型
https://zhuanlan.zhihu.com/p/143161957
点积 vs. MLP：推荐模型到底用哪个更好？
https://mp.weixin.qq.com/s/MSzojHCW8WPFNyF3aM1l2w
腾讯&微博 GateNet: 使用门机制提升点击率预估效果
https://zhuanlan.zhihu.com/p/162980539
2018年kdd阿里召回系统tdm读后感
https://mp.weixin.qq.com/s/ioDkJHKZ4t1gvrMVl7kplg
DMR：阿里深度召回排序模型
https://mp.weixin.qq.com/s/F5HVrgE5tURTNdVRHADRPw
充分利用显式&隐式反馈的深度网络
https://mp.weixin.qq.com/s/OiN608x2cMF4SCpLEzTkWw
DIEN: 阿里点击率预估之深度兴趣进化网络
https://mp.weixin.qq.com/s/mA9qa5fNQa3VxyYEYqeGfg
Youtube推荐中的深度神经网络应用
https://mp.weixin.qq.com/s/sLYYrAmbwZDDyGsee8h3WQ
推荐系统之多目标优化小结
https://mp.weixin.qq.com/s/D57jP5EwIx4Y1n4mteGOjQ
深度学习推荐系统中各类流行的Embedding方法（上）
https://mp.weixin.qq.com/s/N76XuNJ7yGzdP6NHk2Rs-w
深度学习推荐系统中各类流行的Embedding方法（下）
https://mp.weixin.qq.com/s/VHRV1Z6F8-3o6b-3v-5_BA
深度时空网络、记忆网络与特征表达学习在CTR预估中的应用
https://mp.weixin.qq.com/s/j34nJGomvR23ZJiqIFMoAQ
推荐系统中稀疏特征Embedding的优化表示方法
https://zhuanlan.zhihu.com/p/267263561
推荐系统总结之深度召回模型（上）
https://mp.weixin.qq.com/s/jvWJuC0O9eVUb-o2PUSe8w
未来感知的多样化趋势推荐框架
https://zhuanlan.zhihu.com/p/52876883
深度CTR预估模型中的特征自动组合机制演化简史
https://mp.weixin.qq.com/s/Ni42SEukRBGDUHu_bh3Lig
基于LSTM模型的广告库存预估算法
https://mp.weixin.qq.com/s/FYghBvkye8J7BqPje4JhFw
汽车之家推荐系统排序算法迭代之路
https://mp.weixin.qq.com/s/2whZpeQPXggHRDSEUnQZ-w
加州大学-Liwei Wu博士论文：协同过滤与排序进展，150页pdf
https://mp.weixin.qq.com/s/jIjdYIbdls5lIbF7TVfbdA
阿里又出排序新模型，还被国际顶会认可了
https://mp.weixin.qq.com/s/fUdKIqygxqlkuv0P4wiIRg
智能推荐算法在直播场景中的应用
https://mp.weixin.qq.com/s/HE0ckOe71dROafTZt-2mAA
最新边信息推荐系统综述
https://mp.weixin.qq.com/s/GazjnVwQKItrph7_n7SGTw
飞猪的“猜你喜欢”如何排序？
https://mp.weixin.qq.com/s/x4Q5di8oVAAZBJBTlY8usw
深入理解推荐系统：梳理YouTube推荐算法
https://mp.weixin.qq.com/s/s-BCi-vS6YKCaexlgNCy8g
深入理解推荐系统：推荐系统中的attention机制
https://zhuanlan.zhihu.com/p/128988454
谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景
https://mp.weixin.qq.com/s/Bpw-q3wISbCAKHsuYQo0QQ
阿里DMR:融合Match中协同过滤思想的深度排序模型
https://mp.weixin.qq.com/s/xTjUPEt1-UMOp2W9a3SONQ
腾讯QQ看点团队：用迁移学习架构解决短视频冷启推荐问题
https://mp.weixin.qq.com/s/hPHETfj3qrZlvcJDFezSkA
TensorFlow Ranking框架在海外推荐业务中的实践与应用
https://mp.weixin.qq.com/s/CyelwdWX4yPVp8o79itonQ
阿里提出联合预估算法JUMP：点击率和停留时长预测效果最优
https://mp.weixin.qq.com/s/HS2zcnA1YSRU8-DrodJ6Qw
淘宝用强化学习优化商品搜索后，总收入能提高2%
https://mp.weixin.qq.com/s/8MQ1G-JWGAw5Ev1Ws3V_ig
IJCAI 2018国际广告算法大赛迁移学习夺冠，中国包揽冠亚季军
https://mp.weixin.qq.com/s/POEnU7bNG44Mz9844WuzIw
腾讯视频是如何给你高效精准推送的
https://zhuanlan.zhihu.com/p/99953120
YouTube推荐系统算法梳理
https://mp.weixin.qq.com/s/zeF7C7YrLqOjIWPen04K2Q
搜索模型核心技术公开，淘宝如何做用户建模？
https://www.zhihu.com/question/362190044
推荐系统领域有啥巧妙的idea？
https://zhuanlan.zhihu.com/p/96796043
推荐系统中如何做多目标优化
https://mp.weixin.qq.com/s/QCGemlo8CYIz6imMde_cmg
推荐系统中的机器学习算法与评估实战
https://mp.weixin.qq.com/s/QaMjHRZ5fiN2zBJLIeGrSg
阿里推出DeepInsight平台：可视化理解深度神经网络CTR预估模型
https://mp.weixin.qq.com/s/JEOfAXg4nDepMtzPCgElrg
SIGIR 2018最佳论文：深入分析流行度在推荐系统中的作用
https://mp.weixin.qq.com/s/pA1SSEnwC884LBZGiH3jhg
基于改进注意力循环控制门，品牌个性化排序升级系统来了
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
推荐系统特征构建新进展：极深因子分解机模型
https://mp.weixin.qq.com/s/MoUd99mCR3Xyu_FnV8jLKA
机器如何“猜你喜欢”？深度学习模型在1688的应用实践
https://mp.weixin.qq.com/s/O_BYzrw5YAbLkfVDqcmwmw
36页最新《深度学习在推荐系统上的应用》综述论文，209篇参考论文
https://mp.weixin.qq.com/s/lphTXdbYOyomMU6O0CH2Pw
CTR学习笔记&代码实现1-深度学习的前奏LR->FFM
https://mp.weixin.qq.com/s/V8uBRgabV7iQAJ-I0pDmAg
关于序列推荐的全面调研与总结
https://mp.weixin.qq.com/s/QODGcKDCNR4rDhn-mschgg
从Wide and Deep、DeepFM到DLRM，现代的推荐系统算法研究
https://mp.weixin.qq.com/s/UKfGDH87WJqY79ujA54nEQ
用统一框架理解向量化召回
https://mp.weixin.qq.com/s/ANqpzEgIQONegsnrZAPSug
曾今的CTR竞赛王者NFM
https://mp.weixin.qq.com/s/VhzSzoM4X_Gmq8hoH6JFLw
十大序列化推荐算法梳理
https://mp.weixin.qq.com/s/XTjvH4Qz9bKKnLic0_MyYg
推荐系统之协同过滤的前世今生
https://mp.weixin.qq.com/s/08wp8mjmnmuLhhLRw9VRQw
谷歌开源下一代推荐系统模拟器-RecSim NG
苏俄+
苏联解体后不久，各国急于澄清债务，以便在国际市场上举债，于是陆续与俄罗斯达成了零选择协议，放弃前苏联的海外资产以换取俄罗斯承担的前苏联国际债务。在这件事上具体谁吃了亏，二十多年来一直有争议，目前来看应该是俄罗斯吃了亏。
从账面上看，苏联海外资产约为1101亿美元，海外负债约为937亿美元，资产比债务多。但是前苏联的海外资产大多是第三世界国家的军火债，要不回来的那种，而外债却必须偿还，不还没办法借新债，相关的消息很容易搜到，进入新世纪后，普京政府基本放弃追讨的努力，放弃了大部分的前苏联时代的债权。
https://www.zhihu.com/question/619200479
苏联、南斯拉夫解体后债权债务、海外资产和国际义务由哪些加盟共和国继承?
西罗维基（俄语：силовики́）或译希拉维克，也可意译为强力部门，专指俄罗斯政府中由国安和情报机构为背景的政客所组成的政治利益集团。西罗维基们多出身自前苏联克格勃、格鲁乌、俄罗斯联邦安全局、对外情报局和联邦药物管制局等政府机构，并与这些机构保持密切关系。此集团以克格勃出身的俄罗斯总统普京为首，如今已渗透进了俄国联邦政府中的大量重要岗位，在实际上控制着俄国的政治和经济系统。
1921年，也就是苏俄大饥荒期间，列宁同志从英国采购了劳斯莱斯银魅轿车（Silver Ghost）作为苏俄政府官员的配车，每辆作价1850英镑，这是当时世界上最昂贵的轿车，当时一英镑相当于7.32238克纯金，按金价换算相当于现在的96万美元。当时也有便宜的轿车，1920年代，福特的T型车每辆作价300美元，当时一美元相当于1.36克纯金，按金价换算，差不多是劳斯莱斯银魅的1/30。
列宁最少同时拥有着两辆银魅，一辆夏季版，一辆雪地版。
由此可见，有些东西根本不是随着发展而变质的，而是一开始就存在的。
俄罗斯当高层，基础条件是外有藩镇，内有强军。
绍伊古这个位置就是蒙古人藩镇和紧急事务部的军队撑起来的。
格拉西莫夫手握58集，背后有喀山这样俄罗斯顶级的雄藩巨镇支持，位置比绍伊古还稳。
沃洛金就差点，但萨马拉州和萨拉托夫州藩镇撑住了他的这个位置。
叶夫库罗夫手握印古什藩镇和中左翼空降兵，普京再不痛快也得给他个国防部副部长干干。
海参崴是纳兹德拉坚科家族统治的领地。九十年代该家族统治当地后，从滨海边疆区赶回来几万中国商人和工人，一路上纵容俄罗斯警察敲诈勒索以及洗劫个人财物，这还是毛子大搞休克经济，150年来最虚弱的时候，中国也远强于晚清，否则这一路上怕是要死上好几千人，叶利钦普里马科夫都被他们的骚操作给震惊了。
苏联解体后的俄罗斯，84个省级行政单位里，起码有50个以上藩镇/半藩镇化了。
