来源 | 深度传送门(ID: gh_5faae7b50fc5)
导读:本文是“深度推荐系统”专栏的第十一篇文章,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。。。他伟大的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
Deep部分演进
Wide部分演进
强化学习
知识图谱
Embedding技术
[1] Wide & Deep Learning for Recommender Systems, DLRS 2016
(*本文为AI科技大本营转载文章,转载请联系原作者)