• 深度推荐系统
• 苏俄+

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+

CIA讲述在苏联和中国招募人的区别。

在苏联给钱也没用，没地方花，而且不明资金反而会引起怀疑，同时那些容易被招揽的特点，比如贪婪，有这样特点的，在苏联体系内不大容易升上去。

But in the newly rich China of the 2000s, dirty money was flowing freely. The average income remained under 2,000 yuan a month (approximately $240 at contemporary exchange rates), but officials’ informal earnings vastly exceeded their formal salaries. An official who wasn’t participating in corruption was deemed a fool or a risk by his colleagues. Cash could buy anything, including careers, and the CIA had plenty of it.

---

朝鲜是不是全球最不自由的国家，其实是有争议的。因为全球有个国家，在很多排名评价体系中，政治自由度低于朝鲜，那就是土库曼斯坦。

土库曼斯坦99%的国民信奉伊斯兰教，但是在他们的清真寺里，除了《古兰经》外，还会放置前总统尼亚佐夫的哲学著作《鲁赫纳玛》。这本书在土库曼斯坦的地位一度与《古兰经》相当，是全国中小学和大学的必读书本，几乎所有考试必考，甚至考驾照交规都要考这本书。而且一些清真寺内至今，墙壁上除了雕刻着《古兰经》的经典名句外，也有装饰着《鲁赫纳玛》的语录。