项目介绍

mJackie/RecSys 是一个托管在 GitHub 上的开源项目,目前获得 2.1k 个 Star、415 次 Fork。

仓库全名
mJackie/RecSys
Star 数
2.1k
Fork 数
415
未关闭 Issue
1

README 摘要

推荐系统/计算广告/机器学习/CTR预估资料汇总 === 说明:本仓库主要汇集推荐系统/计算广告/机器学习/CTR预估相关学习资料,欢迎一起补充更新👼 更多前沿技术文章,欢迎移步 -> 精选文章 RoadMap 推荐系统 计算广告 统计学习模型 技术文章 实践工具 深度学习模型 技术文章 实践代码 相关比赛 Criteo Display Advertising Challenge Avazu Click Through Rate Prediction 2018 IJCAI 阿里妈妈搜索广告转化预测 2018腾讯广告算法大赛 技术博客 经典论文清单 推荐系统 推荐系统简明教程-概述 推荐系统简明教程-召回 推荐系统简明教程-排序 推荐系统实践-项亮 计算广告 互联网广告系统综述系列博文 计算广告学系列视屏-刘鹏 计算广告学讲义-刘鹏 统计学习模型 技术文章 前深度学习时代CTR预估模型的演化之路 逻辑回归LR模型简介…

完整内容见 GitHub 原始 README 或本页 。

常见问题

如何获取 RecSys 的源码?

可以直接克隆仓库:git clone https://github.com/mJackie/RecSys.git,默认分支为 master;安装与运行步骤见仓库 README。

RecSys 最近还在维护吗?

仓库最近一次更新为 2019年12月17日,当前有 1 个未关闭 Issue;Star 数为 2.1k,可作为社区活跃度的参考。

简要分析

热度分
2983
价值分
1381
活跃状态
活跃

贡献者

README

推荐系统/计算广告/机器学习/CTR预估资料汇总

License Update Progress SayThanks Travis

说明:本仓库主要汇集推荐系统/计算广告/机器学习/CTR预估相关学习资料,欢迎一起补充更新👼

更多前沿技术文章,欢迎移步 -> 精选文章

RoadMap


推荐系统


计算广告


统计学习模型

技术文章
实践工具

深度学习模型

技术文章
实践代码

相关比赛

CriteoDisplayAdvertisingChallenge
AvazuClickThroughRatePrediction
2018 IJCAI 阿里妈妈搜索广告转化预测
2018腾讯广告算法大赛

技术博客


经典论文清单

筛选文章的标准:前沿或者经典的,工程导向的,google、阿里、facebook等一线互联网公司出品的:

Wide & Deep Learning for Recommender Systems

google 的 wide&deep,必看论文,经典到难以附加

DeepFM: An End-to-End Wide & Deep Learning Framework for CTR Prediction

华为对wide&deep的改进,加了wide层的交叉项。如今工业界的主流模型

Practical lessons from predicting clicks on ads at facebook

facebook GBDT+LR的经典方案。虽然如今已不是主流方案,但论文中的思想很值得学习。

Deep Neural Networks for YouTube Recommendations

介绍了Youtube推荐系统工业界架构与方案,经典必看

Real-time Personalization using Embeddings for Search Ranking at Airbnb

KDD2018 best paper,Embedding 必看论文,非常经典

Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate

阿里的多目标学习经典方案,同时优化CTR & CVR

Real-time Personalization using Embeddings for Search Ranking at Airbnb

介绍了 airbnb 搜索排序模型的演进,工业性质很强,值得参考

搜索引擎点击模型综述

清华马少平团队的文章点击模型入门必看,搜索引擎点击模型综述

评论

暂无评论