关于推荐系统的论文每年都层出不穷,数不胜数,本文章主要是集合以往读过的一些经典论文,希望对你有帮助。论文笔记详情如下:
- 基于三部图网络结构的知识推荐算法
- Entire Space Multi-Task Model
- 序列推荐模型 TransRec
- 序列推荐模型 TransFM
- 文本相似度计算综述
- LinUCB论文的思想解读、场景应用与痛点说明
- 看腾讯如何玩转实时推荐-TencentRec
- 被“玩烂”了的协同过滤加上神经网络怎么搞?
- 组推荐系统及其应用研究
- AGREE-基于注意力机制的群组推荐(附代码)
- 从DSSM语义匹配到Google的双塔深度模型召回和广告场景中的双塔模型思考
- Airbnb Embedding的实践和思考
- 万物皆可Vector之语言模型:从N-Gram到NNLM、RNNLM
- 万物皆可Vector之Word2vec:2个模型、2个优化及实战使用
- Item2vec中值得品味的8个经典tricks
- Sentence2Vec & GloVe 算法原理、推导与实现
- Doc2vec的算法原理、代码实现及应用启发
- DeepWalk的算法原理、代码实现和应用说明
- Node2vec算法原理、代码实战和在微信朋友圈Lookalike的应用
- LINE算法原理、代码实战和应用
- 一种基于Embedding和Mapping的跨域推荐方法
- 粗排阶段性能与效率的权衡:基于可学习特征选择的方法
- 结合论文看Youtube推荐系统中召回和排序的演进之路(上)篇
- 结合论文看Youtube推荐系统中召回和排序的演进之路(中)篇之深度召回排序
不定期更新,欢迎Follow:
扫一扫 关注微信公众号!号主 专注于搜索和推荐系统,尝试使用算法去更好的服务于用户,包括但不局限于机器学习,深度学习,强化学习,自然语言理解,知识图谱,还不定时分享技术,资料,思考等文章!