经典!工业界深度推荐系统与CTR预估必读的论文汇总

640?wx_fmt=jpeg

(图片付费下载自视觉中国)

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。

经典!工业界深度推荐系统与CTR预估必读的论文汇总_第1张图片

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

(*本文为AI科技大本营转载文章,转载联系原作者)


精彩推荐


2019 中国大数据技术大会(BDTC)历经十一载,再度火热来袭!豪华主席阵容及百位技术专家齐聚,15 场精选专题技术和行业论坛,超强干货+技术剖析+行业实践立体解读,深入解析热门技术在行业中的实践落地。【早鸟票】【特惠学生票】限时抢购,扫码了解详情!

640?wx_fmt=png

推荐阅读

  • “含光”剑出,谁与争锋?阿里重磅发布首颗AI芯片含光800

  • 不止于刷榜,三大CV赛事夺冠算法技术的“研”与“用”

  • 干货 | OpenCV看这篇就够了,9段代码详解图像变换基本操作

  • 周杰伦的《说好不哭》,20万点评Python来分析

  • 算法人必懂的进阶SQL知识,4道面试常考题

  • 6张拓扑图揭秘中心化交易所的5种行为, 原来中心化比你想象的重要

  • TDD 就是个坑

  • 厉害!接班马云的为何是张勇?

640?wx_fmt=png

你点的每个“在看”,我都认真当成了喜欢

你可能感兴趣的:(经典!工业界深度推荐系统与CTR预估必读的论文汇总)