【AICon】探索RAG 技术在实际应用中遇到的挑战及应对策略!AICon精华内容已上线73%>>> 了解详情
写点什么

经典推荐:工业界深度推荐系统与 CTR 预估方向必读论文汇总

  • 2019-09-30
  • 本文字数:1570 字

    阅读完需:约 5 分钟

经典推荐:工业界深度推荐系统与CTR预估方向必读论文汇总

本文来自“深度推荐系统”专栏,这个系列将介绍在深度学习的强力驱动下,给推荐系统工业界所带来的最前沿的变化。本文主要根据 Google 推出的引领推荐系统与 CTR 预估工业界潮流至今的一大神作 W&D[1],所总结出来的深度推荐系统与 CTR 预估工业界必读的论文汇总。


起初是因为在唐杰老师的微博上看到其学生整理的一个关于 Bert 论文高引用相关的图片(https://weibo.com/2126427211/I4cXHxIy4)。


一个伟大的学生做的一个 BERT 的论文以及它引用的文章之间的关系,相当于是一个针对论文 Citation 的 Finding->Reasoning->Exploring 的过程。感觉做得很酷,忍不住 share 出来了。。。他伟大地决定要写个算法自动搞定!


觉得这个整理思路不错,于是也照葫芦画瓢整理了一下推荐系统和 CTR 预估上工业界同样鼎鼎大名 Google 出品的 W&D[1]论文相关高引用的论文汇总。其实主要是对近年来推荐系统和 CTR 预估工业界影响力较大的论文做一个简单的思路梳理,首先上图如下,圆圈内数字为论文被引用数量。



Collaborative Filtering


  • [WWW 17] Neural Collaborative Filtering

  • [SIGIR 18] Collaborative Memory Network for Recommendation Systems


Deep 部分演进


  • [SIGIR 17] Neural Factorization Machines for Sparse Predictive Analytics

  • [IJCAI 17] Attentional Factorization Machines: Learning the Weight of Feature Interactions via Attention Networks

  • [ECIR 16] Factorization-supported Neural Network

  • [TOIS 18] Product-Based Neural Networks for User Response Prediction over Multi-Field Categorical Data

  • [RecSys 19] FiBiNET: Combining Feature Importance and Bilinear feature Interaction for Click-Through Rate Prediction

  • [KDD 18] Deep Interest Network for Click-through Rate Prediction

  • [AAAI 19] Deep Interest Evolution Network for Click-Through Rate Prediction

  • [IJCAI 19] Deep Session Interest Network for Click-Through Rate Prediction

  • [CIKM 19] AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks


Wide 部分演进


  • [IJCAI 17] DeepFM: A Factorization-Machine based Neural Network for CTR Prediction

  • [KDD 17] Deep & Cross Network for Ad Click Predictions

  • [KDD 18] xDeepFM: Combining Explicit and Implicit Feature Interactions

  • for Recommender Systems

  • [WWW 19] Feature Generation by Convolutional Neural Network for Click-Through Rate Prediction


强化学习


  • [WWW 17] DRN: A Deep Reinforcement Learning Framework for News Recommendation

  • [WSDM 19] Top-K Off-Policy Correction for a REINFORCE Recommender System

  • [IJCAI 19] Reinforcement Learning for Slate-based Recommender Systems: A Tractable Decomposition and Practical Methodology


知识图谱


  • [WWW 17] DKN: Deep Knowledge-Aware Network for News Recommendation

  • [CIKM 18] RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems


Embedding 技术


  • [ICCCA 18] Item2Vec-Neural Item Embedding for Collaborative Filtering

  • [RecSys 16] Meta-Prod2Vec: Product Embeddings Using Side-Information for Recommendation

  • [KDD 18] Real-time Personalization using Embeddings for Search Ranking at Airbnb

  • [KDD 18] Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba

  • [WWW 19] NetSMF: Large-Scale Network Embedding as Sparse Matrix Factorization

  • [IJCAI 19] ProNE: Fast and Scalable Network Representation Learning

参考文献

[1] Wide & Deep Learning for Recommender Systems, DLRS 2016


本文授权转载自知乎专栏“深度推荐系统”。原文链接:https://zhuanlan.zhihu.com/p/73369087


公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2019-09-30 08:102817

评论

发布
暂无评论
发现更多内容

软件测试/测试开发丨接口测试学习笔记分享

测试人

程序员 软件测试 协议 接口测试 http和https

凝聚全球顶尖力量,助力开源行业发展 | 2023开放原子全球开源峰会开幕式暨高峰论坛亮点抢先看!

开放原子开源基金会

开源

只见新人笑,不见旧人哭 ChatGPT淘汰了多少产品?快来了解!

加入高科技仿生人

人工智能 AI 低代码 ChatGPT

卡奥斯开源社区六月创作之星挑战赛开始啦!

Openlab_cosmoplat

人工智能 编程 活动 开源社区

2023秋招,Java岗最全面试攻略,吃透25个技术栈Offer拿到手软

架构师之道

java面试

flutter系列之:做一个会飞的菜单

程序那些事

flutter 架构 程序那些事

#架构实战营# 模块1 作业

Zz

架构实战营 学生管理系统架构

干货 | Mysql binlog插件三种数据采集模式介绍

大河

MySQL 数据采集 Binlog bboss

从飞书妙记秒开率提升,看火山引擎A/B测试在研发场景的应用

字节跳动数据平台

AB testing实战 A/B 测试

INFINI Easysearch 完成龙芯架构兼容性认证

极限实验室

搜索引擎 国产化 龙芯 easysearch 极限科技

ChatGPT与软件架构(5) - 网络安全

俞凡

人工智能 架构 网络安全 ChatGPT

云图说|ModelArts开发环境,让AI开发、探索、教学更简单

华为云开发者联盟

人工智能 华为云 华为云开发者联盟 企业号 6 月 PK 榜

本机部署langchain+chatGLM本地知识库

IT蜗壳-Tango

6 月 优质更文活动

软件测试/测试开发丨Pytest测试框架学习笔记分享

测试人

程序员 软件测试 自动化测试 数据驱动 pytest

“AI Earth”人工智能创新挑战赛:助力精准气象和海洋预测Baseline[3]:TCNN+RNN模型、SA-ConvLSTM模型

汀丶人工智能

人工智能 数据挖掘 机器学习 LSTM 6 月 优质更文活动

基于 prefetch 的 H5 离线包方案 | 京东云技术团队

京东科技开发者

ios H5 andiod prefetch_related 企业号 6 月 PK 榜

20个Golang片段让我不再健忘 | 京东云技术团队

京东科技开发者

Java Go 语言 企业号 6 月 PK 榜

浅谈ByteHouse Projection优化实践

字节跳动数据平台

OLAP Clickhouse bytehouse

响应式编程的复杂度和简化

阿里技术

响应式编程

Springboot3 + SpringSecurity + JWT + OpenApi3 实现认证授权

京茶吉鹿

spring security springboot OpenAPI JWT

DataLeap的全链路智能监控报警实践(一):常见问题

字节跳动数据平台

数据挖掘 数据分析 DataLeap 数据运维

2023开放原子全球开源峰会“开发者之夜”高能剧透!

开放原子开源基金会

开源 开放原子全球开源峰会 开发者之夜

【网易云信】如何定位分析视频异常画面

网易智企

音视频技术 视频异常

中企出海,海外税务管理体系怎么设计?

用友BIP

中企出海

“AI Earth”人工智能创新挑战赛:助力精准气象和海洋预测Baseline[2]:数据探索性分析(温度风场可视化)、CNN+LSTM模型建模

汀丶人工智能

人工智能 数据挖掘 机器学习 LSTM RNN回归 6 月 优质更文活动

时序数据库 openGemini 线下meetup · 北航站来啦,欢迎大家报名!

华为云开源

数据库 前端

制作Jdk镜像

tiandizhiguai

Docker k8s 镜像

质量内建实践的八大特质

老张

质量保障 质量内建

企业数智底座白皮书:详解数智平台必备的六大能力

用友BIP

白皮书 数智平台 数智化转型白皮书 数智平台白皮书

【网易云信】如何定位分析视频异常画面

网易云信

音视频技术 视频异常

腾讯董志强出席全国信安标委“标准周”:数字化转型需要高安全等级架构

腾讯安全云鼎实验室

云安全 企业安全 安全标准

经典推荐:工业界深度推荐系统与CTR预估方向必读论文汇总_文化 & 方法_深度传送门_InfoQ精选文章