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
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
https://mp.weixin.qq.com/s/G4bDj4a05K0kB4IZ6IosiQ
Wide & Deep
https://mp.weixin.qq.com/s/JNGKz4-fWG4ygl7f6UkxcQ
DeepFM
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）。
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。
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://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://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://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://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
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://mp.weixin.qq.com/s/CMZHhxAMno2GlnQCjv0BKg
深度学习在CTR预估中的应用
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？
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://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/QZeyEN2DDM_etEki7uodMg
一个神奇的特征选择轮子----MLFeatureSelection
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/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/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://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/5wdGemYBtkYUvq1n5ioyFg
详解Wide&Deep理论与实践
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/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://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
————————————————
版权声明：本文为CSDN博主「antkillerfarm」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/antkillerfarm/article/details/89081389