深度推荐系统(三)
source link: http://antkillerfarm.github.io/recommender%20system/2020/12/17/DRS_3.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
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
推荐系统进阶+
https://mp.weixin.qq.com/s/sDG5xm1JZ8rIEaVXeVQ5cA
主流推荐引擎技术及优缺点分析
https://mp.weixin.qq.com/s/rhk5WHRg6HWHmK7KWD-UYw
常见的召回优化方式
https://mp.weixin.qq.com/s/nUQsFBh2Jyf1fqINNlpmqg
推荐系统Bias与Debias 2020最新综述
https://mp.weixin.qq.com/s/XD6qFpt8FdLTy2PcrLiTIA
推荐算法的”五环之歌”
https://mp.weixin.qq.com/s/6Zs0nM2HOZFBFsC0PUy_0A
推荐系统应该如何保障推荐的多样性?
https://mp.weixin.qq.com/s/4EY8E8LqUsfEGqC3xPSqeg
推荐生态中的bias和debias
https://mp.weixin.qq.com/s/9I6efSutqBcKmAlvozD-rQ
一文看懂基于内容的推荐算法
https://mp.weixin.qq.com/s/1Pkz1xj9N5MX4HDQ-mvP_w
不确定度建模(上)- 贝叶斯推断基础
https://mp.weixin.qq.com/s/ynmubPErKVq2h8GEVFlXwQ
不确定度建模(中)-蒙特卡洛采样
https://mp.weixin.qq.com/s/aZ7OHJBkrjqJbr2fl011_Q
不确定度建模(下)-变分推断及应用
https://mp.weixin.qq.com/s/r4aHwAB108zev5fhWqB-XQ
转化率预估中的贝叶斯平滑
https://mp.weixin.qq.com/s/wk_MGF1F7W2YP0VvM_aY3g
向量召回在躺平APP的实践
https://mp.weixin.qq.com/s/b6tTbug_Xd9OPFy2lA650g
广告模型初探(一)
https://mp.weixin.qq.com/s/5eIxApPG_dNNXssJHMKzeA
广告模型初探(二)
https://mp.weixin.qq.com/s/jTQOPobNPr96GTj0BDQiWQ
广告模型初探(三)
https://mp.weixin.qq.com/s/h6iBeTS992CDRixg2pFl6Q
ItemCF的演进:狭义 VS 广义
推荐系统的工程细节+
https://mp.weixin.qq.com/s/UyMDskA0eGN-NmiifwQF6Q
美团本地生活场景的短视频分析
https://mp.weixin.qq.com/s/dr6gxJCDBM1Lk_tAOdi9-Q
推荐系统解构
https://zhuanlan.zhihu.com/p/103129589
推荐系统之标签体系
https://mp.weixin.qq.com/s/cBZ_XC1dSdp540-Hr1izuw
爱奇艺效果广告的个性化探索与实践
https://mp.weixin.qq.com/s/5QENu3LAhwjEQ7cp6y68gg
深入互联网广告中的出价模式
https://mp.weixin.qq.com/s/KTESiQVdgDkRwpHzNb_oww
深入互联网广告中的出价模式(补充篇)
https://mp.weixin.qq.com/s/M_DglkdeBw6Gmj4bO2LjcA
推荐系统产品概述
https://mp.weixin.qq.com/s/7xZDVicjq-8C3qJIZGarmg
推荐系统架构与算法流程详解
https://mp.weixin.qq.com/s/DZZ_BCiNw0EZg7V0KvhXVw
知乎搜索排序模型的演进
https://mp.weixin.qq.com/s/mFWhv6ykGFc6g40GGuzYOQ
推荐系统中模型训练及使用流程的标准化
https://zhuanlan.zhihu.com/p/139240761
如何评价一个推荐系统的好坏?
https://mp.weixin.qq.com/s/Lwnl5W2ZS3CjxrA46yMwyw
线上线下效果一致性杂谈
https://mp.weixin.qq.com/s/iHDGIHHlH2TqNL6iIEGVPg
流量为王:收益最大化的混排机制
https://mp.weixin.qq.com/s/LZlskUK4dmOd5fLTZIATnQ
如何提升链路目标一致性?爱奇艺短视频推荐之粗排模型优化历程
https://mp.weixin.qq.com/s/Jfuc6x-Qt0rya5dbCR2uCA
腾讯音乐:全民K歌推荐系统架构及粗排设计
https://mp.weixin.qq.com/s/tV3HfWZrrnyJEPV0R0QykA
模型化召回在陌陌社交推荐的应用和探索
https://mp.weixin.qq.com/s/V67YXV69dlmc2ke2WgPewQ
玩儿转oCPC
https://mp.weixin.qq.com/s/ZsekCl1uOqKxUOOk0otk_Q
搜索推荐广告排序之用户行为序列建模
https://mp.weixin.qq.com/s/TVCgH_B_d5T0hWuXfgnRQA
阿里粗排技术体系与最新进展
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK