1-好:EMBEDDING 在大厂推荐场景中的工程化实践
https://lumingdong.cn/engineering-practice-of-embedding-in-recommendation-scenario.html
论文:
1(Y ouTube - 2016 年 9 月的 RecSys )
https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/45530.pdf
2 KDD 2018 的 Best Paper
https://astro.temple.edu/~tua95067/kdd2018.pdf
短租平台 , 推荐合适的住房。
3 KDD 2018 上的,来自阿里巴巴
https://arxiv.org/abs/1712.08289v4
2推荐系统的中 EMBEDDING 的应用实践
https://lumingdong.cn/application-practice-of-embedding-in-recommendation-system.html
3推荐中的排序学习
https://lumingdong.cn/learning-to-rank-in-recommendation-system.html
4基于协同的推荐算法
https://lumingdong.cn/cooperative-recommendation-algorithms.html
Hybird I2I 算法其实是构造一个机器学习的分类模型,通过在不同场景下的点击行为反馈来学习到在各个不同场景下的最优推荐,典型代表就是 Learn to Rank,LTR,通常用在推荐架构中的排序阶段,关于 LTR
5基于矩阵分解的推荐算法
https://lumingdong.cn/recommendation-algorithm-based-on-matrix-decomposition.html
6推荐系统中的探索和利用问题
https://lumingdong.cn/exploration-and-exploitation-in-the-recommendation-system.html