浅梦学习笔记 公众号文章汇总

目录

• 排序&CXR预估
• 召回匹配
• 用户画像&特征工程
• 精彩讨论&知识沉淀
• 推荐搜索综合
• 计算广告
• 大数据
• 图算法
• NLP&CV
• 求职面试

公众号：浅梦学习笔记

微信：deepctrbot

相关项目： DeepCTR DeepMatch DeepCTR-Torch GraphEmbedding

排序&CXR预估

• 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

• Attention机制在深度学习推荐算法中的应用

• 阿里1688直播推荐算法实践

• CTR预估在动态样式建模和特征表达学习方面的进展

• [SIGIR2021] StackRec框架：加速训练100层序列推荐模型

• 腾讯音乐：全民K歌推荐系统架构及粗排设计

• 京东搜索在线学习探索实践

• 阿里 at SIGIR’2021 | 粗排模型如何进行性能与效率的权衡

• 多目标排序在快手短视频推荐中的实践

• 深度学习在省钱快报推荐排序中的应用与实践

• 深度学习多目标优化的多个loss应该如何权衡

• IJCAI2020 | 双重样本感知的因子分解机（附代码）

• 深度排序模型在淘宝直播的演进与应用

• 阿里粗排技术体系与最新进展

• TensorFlow Estimator 模型从训练到部署

• 多任务学习在推荐算法中的应用

• 浅谈Learning to Rank中的RankNet和LambdaRank算法

• 线上线下效果一致性杂谈

• 多目标推荐场景下的深度学习实践

• 推荐系统中模型训练及使用流程的标准化

• 增量学习在CTR模型训练中的实践

• 深度学习技术在美图个性化推荐的应用实践

• UC 信息流推荐模型在多目标和模型优化方面的进展

• 序列检索系统在淘宝首页信息流重排中的实践（文末下载重排经典论文合集）

• 大幅提升训练性能，字节提出新型分布式DNN训练架构

• 腾讯FAT | 未来感知的多样化趋势推荐框架

• 推荐系统rerank模型梳理&论文推荐

• DCN-M：Google提出改进版DCN，用于大规模排序系统的特征交叉学习(附代码)

• 分类模型与排序模型在推荐系统中的异同分析

• 推荐系统中的排序学习

• CIKM20 | 阿里MiNet：跨域点击率预估混合兴趣模型

• KDD19 | 微软DeepGBM:使用树蒸馏提升在线预测任务下深度模型效果

• 推荐系统rank模块-Online Learning

• IJCAI19 | 推荐系统论文DSIN：Deep Session Interest Network

• Life-long兴趣建模视角CTR预估模型：Search-based Interest Model

• Ctr 预估之 Calibration

• AAAI20 | 阿里DMR:融合Match中协同过滤思想的深度排序模型

• 线下auc涨，线上ctr/cpm跌的原因和解决办法

• 【视频讲解】DeepCTR中的xDeepFM原理和实现

• 【视频讲解】DeepCTR中的Deep&Cross Net原理和实现

• 【视频讲解】DeepCTR中的Wide&Deep原理和实现

• 【视频讲解】DeepCTR中的DeepFM原理和实现

• 常见CTR论文挑刺

• 万字长文梳理CTR预估模型发展过程与关系图谱

• Evolution of CTR prediction models

• AAAI19 | 谷歌SNR: 灵活参数共享的多任务学习网络

• CIKM19 | 如何刻画用户的多样兴趣——阿里MIND阅读笔记

• CIKM19 | Fi-GNN 通过图神经网络建模特征交互作用来进行CTR预测

• WWW18 | TEM:结合GBDT叶节点嵌入的可解释推荐模型

• 教你玩转deepctr的FLEN模型& Kaggle Avazu实验对比

• 浅谈流式模型训练体系

• 【CTR预估】FLEN: 一种时空高效的利用特征场信息缓解梯度耦合的CTR预测模型

• 【CTR预估】CTR模型如何加入稠密连续型和序列型特征？

• 【CTR预估】你真的需要 pairwise LTR吗？速览搜索推荐中pointwise和pairwise方法

• Learning to rank基本算法小结

召回匹配

• 深度召回在招聘推荐中的挑战和实践

• Embedding技术在房产推荐中的应用

• 模型化召回在陌陌社交推荐的应用和探索

• 第四范式自动化推荐系统：搜索协同过滤中的交互函数

• 阿里深度树匹配召回体系演进

• RALM: 实时 Look-alike算法在微信看一看中的应用

• 推荐场景中召回模型的演化过程

• 360展示广告召回系统的演进

• 字节跳动Deep Retrieval召回模型笔记

• Embedding 技术在民宿推荐中的应用

• EMBEDDING 在大厂推荐场景中的工程化实践

• KDD18 | 阿里新一代召回系统TDM读后感

• 再评Airbnb的经典Embedding论文

• 推荐系统召回层做离线评估的一种姿势

• SIGIR20 | 一文综述Learning to Match各种方法对比

• 推荐系统主流召回方法综述

• 一文梳理推荐系统的中 EMBEDDING 的应用实践

• Faiss - 常见问题总结

• CIKM18 | CFGAN：基于生成对抗网络的协同过滤框架

• 从 Triplet loss 看推荐系统中文章Embedding

• SDM(Sequential Deep Matching Model)的复现之路

• RecSys19 | 谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景

• 向量化召回在360信息流广告的实践

• DeepMatch ：用于推荐&广告的深度召回匹配算法库

• 【DeepMatch教程】YoutubeDNN在MovieLen1M数据集上进行向量召回

• KDD19 | 算法调研-微信看一看Embedding

• CIKM18 | Ripple Net:融合知识图谱的推荐模型

• 跨境电商Etsy如何使用交互行为类型进行可解释推荐

• 搜索推荐中的召回匹配模型综述(一)--传统方法

• 搜索推荐中的召回匹配模型综述(二)--基于表示学习的深度学习方法

• 搜索推荐中的召回匹配模型综述(三)--基于匹配函数学习的深度学习方法

用户画像&特征工程

• ⾼维特征的哈希技巧总结

• SIGIR20 | 超越用户embedding矩阵：用哈希对大型用户建模

• 浅谈电商搜索推荐中ID类特征的统一建模：Hema Embedding解读

• 用户画像必会的行为偏好计算方法

精彩讨论&知识沉淀

• 学习交流小组精彩内容摘要 No.68

• 学习交流小组精彩内容摘要 No.67

• 学习交流小组精彩内容摘要 No.66

• 学习交流小组精彩内容摘要 No.65

• 学习交流小组精彩内容摘要 No.64

• 学习交流小组精彩内容摘要 No.63

• 学习交流小组精彩内容摘要 No.62

• 学习交流小组精彩内容摘要 No.61

• 学习交流小组精彩内容摘要 No.60

• 学习交流小组精彩内容摘要 No.59

• 学习交流小组精彩内容摘要 No.58

• 学习交流小组精彩内容摘要 No.57

• 学习交流小组精彩内容摘要 No.56

• 学习交流小组精彩内容摘要 No.55

• 学习交流小组精彩内容摘要 No.54

• 学习交流小组精彩内容摘要 No.53

• 学习交流小组精彩内容摘要 No.52

• 学习交流小组精彩内容摘要 No.51

• 学习交流小组精彩内容摘要 No.50

• 学习交流小组精彩内容摘要 No.49

• 学习交流小组精彩内容摘要 No.48

• 学习交流小组精彩内容摘要 No.47

• 学习交流小组精彩内容摘要 No.46

• 学习交流小组精彩内容摘要 No.44

• 学习交流小组精彩内容摘要 No.45

• 学习交流小组精彩内容摘要 No.43

• 学习交流小组精彩内容摘要 No.42

• 学习交流小组精彩内容摘要 No.41

• 学习交流小组精彩内容摘要 No.40

• 学习交流小组精彩内容摘要 No.39

• 学习交流小组精彩内容摘要 No.38

• 学习交流小组精彩内容摘要 No.37

• 学习交流小组精彩内容摘要 No.36

• 学习交流小组精彩内容摘要 No.35

• 学习交流小组精彩内容摘要 No.34

• 学习交流小组精彩内容摘要 No.33

• 学习交流小组精彩内容摘要 No.32

• 学习交流小组精彩内容摘要 No.31

• 学习交流小组精彩内容摘要 No.30

• 学习交流小组精彩内容摘要 No.29

• 学习交流小组精彩内容摘要 No.28

• 学习交流小组精彩内容摘要 No.27

• 学习交流小组精彩内容摘要 No.26

• 学习交流小组精彩内容摘要 No.25

• 学习交流小组精彩内容摘要 No.24

• 学习交流小组精彩内容摘要 No.23

• 学习交流小组精彩内容摘要 No.22

• 学习交流小组精彩内容摘要 No.21

• 学习交流小组精彩内容摘要 No.20

• 学习交流小组精彩内容摘要 No.19

• 学习交流小组精彩内容摘要 No.18

• 学习交流小组精彩内容摘要 No.17

• 学习交流小组精彩内容摘要 No.16

• 学习交流小组精彩内容摘要 No.15

• 学习交流小组精彩内容摘要 No.14

• 学习交流小组精彩内容摘要 No.13

• 学习交流小组精彩内容摘要(06.12-06.18)

• 学习交流小组精彩内容摘要(06.09-06.11)

• 学习交流小组精彩内容摘要(06.05-06.08)

• 学习交流小组精彩内容摘要(05.31-06.04)

• 学习交流小组精彩内容摘要(05.25-05.30)

• 学习交流小组精彩内容摘要(05.21-05.24)

• 学习交流小组精彩内容摘要(05.18-05.20)

• 学习交流小组精彩内容摘要(05.14-05.17)

• 学习交流小组精彩内容摘要(05.08-05.13)

• 学习交流小组精彩内容摘要(01.21-02.06)

• 学习交流小组精彩内容摘要(01.13-01.20)

• 学习交流小组精彩内容摘要(01.04-01.12)

推荐搜索综合

• 微博基于Flink的机器学习实践

• 多业务融合推荐策略实践与思考

• 跨域推荐技术在58部落内容社区的实践

• 京东电商搜索中的语义检索与商品排序

• 分布式机器学习框架与高维实时推荐系统

• 图推荐算法在E&E问题上的应用

• 朱小强｜屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期

• 全民K歌推荐后台架构

• 阿里文娱搜索算法实践与思考

• Bandit算法在携程推荐系统中的应用与实践

• 深度学习在阿里B2B电商推荐系统中的实践

• 如何将知识图谱引入推荐系统？

• 【微软】深度学习推理系统，45页ppt

• 如何构建A/B测试系统，其核心功能有哪些？

• 美图个性化推送的 AI 探索之路

• 信息流推荐在凤凰新闻的业务实践

• 汽车之家推荐系统排序算法迭代之路

• WWW21最新「深度学习推荐系统」教程，230页PPT阐述深度强化学习、自动机器学习和GNN在推荐系统应用进展

• Query 理解和语义召回在知乎搜索中的应用

• 腾讯信息流内容理解技术实践

• 如何从 0 到 1 构建个性化推荐？

• 推荐生态中的bias和debias

• 推荐系统应该如何保障推荐的多样性？

• 浅谈 UC 国际信息流推荐

• AutoML 在表数据中的研究与应用

• 推荐系统：石器与青铜时代

• 推荐系统衡量：ABtest 框架

• 低频少样本长验证周期场景下的算法设计

• 基于行列式点过程的推荐多样性提升算法

• 推荐系统评价：什么是好的推荐系统

• 万字长文解读电商搜索——如何让你买得又快又好

• 工业界推荐系统实用分析技巧

• KDD20 | 推荐系统论文一览

• 搜索广告之自动化创意

• KDD CUP 2020之Debiasing赛道方案 (Rush)

• 推荐系统研究中常用的评价指标

• 推荐多样性重排算法之MMR

• 推荐系统技术演进趋势：从召回到排序再到重排

• 推荐系统的发展与简单回顾

• 万字长文！推荐系统岗面试经验&学习心得

计算广告

• 商业化广告策略解读

• 广告算法在阿里文娱用户增长中的实践

• 阿里定向广告智能投放技术体系

• 爱奇艺效果广告的个性化探索与实践

• 计算广告OCPC实践(四) 如何从0开始建立ocpc业务

• 计算广告OCPC实践(三) ocpx效果到底怎么样？从ocpc与ocpm的区别说起

• Hulu：视频广告系统中的算法实践

• 计算广告OCPC算法实践(二) ocpc智能出价PID控制中不同偏差函数特性对比

• 计算广告OCPC算法实践(一) 智能出价PID控制中的偏差与响应函数设计

• 阿里妈妈：品牌广告中的 NLP 算法实践

• 《计算广告》学习笔记

• OCPC 广告算法在凤凰新媒体的实践探索

• 计算广告发展历程——从CPC到oCPX

• 百度凤巢新一代广告召回系统——“莫比乌斯”

• 广告出价--如何使用PID控制广告投放成本

• PID控制算法原理（抛弃公式，从本质上真正理解PID控制）

• 广告和推荐排序中消除position bias的方法

• oCPC：计算广告出价策略

• 广告点击率CTR修正-Wilson CTR

大数据

• 贝壳一站式大数据开发平台实践

• Flink如何支持特征工程、在线学习、在线预测等AI场景？

• 实时数据流计算引擎Flink和Spark剖析

• Spark 的一些人生经验

• 大数据kafka理论实操面试题

• Kafka 应用实践与生态集成

• Flink 中文社区年度文章合集

图算法

• 大规模图算法在京东广告的实践

• 图挖掘与多关系学习：工具与应用，亚马逊与CMU-WWW2021教程，附161页ppt

• 一文直击Graph Embedding图表示学习的原理及应用

• 【GraphEmbedding】DeepWalk算法原理，实现和应用

• 【GraphEmbedding】LINE：算法原理，实现和应用

• 【GraphEmbedding】node2vec：算法原理，实现和应用

• 【GraphEmbedding】GraRep：基于矩阵分解的图表示学习

• 【GraphEmbedding】SDNE算法原理，实现和应用

• 【GraphEmbedding】Struc2Vec算法原理，实现和应用

• 【GNN】一文读懂图卷积GCN

• 【GNN】GCN 算法原理，实现和应用

• 二部图表示学习 | Graph Convolutional Matrix Completion

• node2vec随机游走优化思路和代码实现

• 【斯坦福CS224W 图与机器学习(1-2)】：图模型基本介绍

• 【斯坦福CS224W 图与机器学习 3】：Motifs and Structural Roles

• KDD19 DGL教程：Recommender System with GNN

• 社交图谱的标签传播算法

NLP&CV

• 复旦邱锡鹏组最新综述：A Survey of Transformers！

• Transformer的一家！.

• 这20个技巧让你的NN训练事半功倍

• 【论文串讲】从BERT和XLNet到MPNet

• 预训练模型系列-通用预训练MASS

• 【论文串讲】从GPT和BERT到XLNet

• Transformer 超详细解读，一图胜千言

• 【经典精读】Transformer模型深度解读

• word2vec模型深度解析

• NLP与推荐系统的比较、联系与未来

• 知识图谱入门系列

• 知识图谱基本概念&工程落地常见问题

• 本科生晋升GM记录 & kaggle比赛进阶技巧分享

• 9102年入门GAN的补习

• 快速掌握TensorFlow中张量运算的广播机制

求职面试

• 算法工程师如何应对业务方和老板的灵魂拷问？

• 算法工程师也会遇到35岁这道坎么？

• 推荐/广告算法社招生存指南

• 一年级算法工程师的工作总结

• 谈一谈算法工程师的落地能力

• 美H1-B签证改革更有利IT公司从全球招聘——聊聊国内如何找美国算法岗工作

• 北美亚麻的故事：金融数学转码农转Applied Scientist

• 算法小白的学习路线（二）

• 算法小白的学习路线（一）

• 你见过最差的算法工程师能差到什么程度？

• 我的求职经验总结

• 求职面试 | 《剑指Offer》Python题解&常考题总结

• 非科班如何拿到外企和国内大厂SSP Offer的？

• 实验小师弟的新鲜春招面经(阿里搜索，微信，微软等)

• Facebook、AWS、Google、Microsoft面试小记

• 算法工程师当前选哪个方向好？1，CV；2，NLP；3，推荐系统？

• 番外篇——社招如何拿到心仪公司的offer