Github星标超3k的推荐系统入门资料合集（含教程、论文、代码、数据）

本篇文章是对公众号《机器学习与推荐算法》历史文章的汇总以及对干货内容的梳理，力争把最全面的干货与最完整的知识体系以最清晰的方式呈现给大家，希望大家能够精准快速地获取到自己想学习的内容，尽到一个干货推荐系统应尽的职责。

 1   历史文章精选

这里罗列一些往期的精选文章，主要包括推荐资源分享、总结性质的文章、精选推荐论文解读以及顶会论文聚焦等。

✔推荐资源分享

整理推荐系统与机器学习相关资源供大家学习交流，包括但不限于数据集、比赛、论文等。比如：

• 推荐系统干货总结

• 入门推荐系统，这25篇综述文章足够了

• 2020 ML/DM/RS方向会议时间表整理

• 一文尽览推荐系统模型演变史(可下载)

• 那些年, 引用量超1000的经典推荐系统论文

• RSPapers | 工业界推荐系统论文合集

• RSPapers | 对话推荐系统论文合集

• Github星标3k, 带你认识推荐系统全貌的论文清单

• 面向科研的推荐系统Benchmark诞生！

• RecNN | 一个基于强化学习的新闻推荐系统框架

✔总结性质文章

不定期分享一些关于推荐系统、机器学习方面总结性质的文章，旨在给大家一个较为全面的知识框架。比如：

• 推荐系统从入门到接着入门

• 当推荐系统邂逅深度学习
  

• 推荐系统之矩阵分解家族

• 基于评论文本的深度推荐系统总结
  

• 一文搞懂反向传播

• 由Logistic Regression所联想到的...

• 推荐系统之FM与MF傻傻分不清楚

• 推荐系统领域中那些巧妙运用的idea

• 社会化推荐浅谈

• 知乎推荐算法工程师面经

• 极大似然估计与最大后验概率估计

• 网络表示学习概述 

• 推荐系统之FM与MF傻傻分不清楚

• 多任务学习方法在推荐中的演变

• 深度学习技术在社会化推荐场景中的总结
  

✔精选论文推荐

理想情况下，会定期分享经典的或者前沿的推荐系统相关的文章，供大家在碎片化的时间阅读，主要是以论文笔记的形式呈现。经典在于复习巩固，前沿在于拓展视野。比如：

• 最新图学习推荐系统综述

• 学习二值编码只为高效的时尚套装推荐
  

• 基于图卷积的价格感知推荐
  

• KDD2020 | 半监督迁移协同过滤推荐

• 盘点 | AAAI2020中的四篇推荐系统好文
  

• 评论文本信息对推荐真的有用吗？
  

• 最新附加信息推荐系统综述

• 在家无聊？16篇最新推荐系统论文送你

• 利用对抗技术来权衡推荐精度与用户隐私

• ABPR: 利用对抗训练技术增强的BPR

• 当推荐系统遇到物联网...

• SIGIR2020 | 一种新颖的推荐系统重训练技巧

• KDD2020最佳论文: 关于个性化排序任务评价指标的大讨论

• SIGIR2020 | 基于GCN的鲁棒推荐系统研究
  

• Graph: 表现再差，也不进行Pre-Training? Self-Supervised Learning真香！

• SIGIR2020 | 内容感知的神经哈希协同过滤方法
  

• NIPS2019｜个性化推荐的另一种思路: 学习用户行为的解纠缠表示

• RecSys2020 | 基于自适应排序学习的个性化推荐方法
  

✔顶会论文聚焦

定期整理顶会关于推荐系统、机器学习相关的文章、并用心总结最新的发展趋势，供大家学习交流。比如：

• WSDM2021推荐系统论文集锦（附下载）

• AAAI2021推荐系统论文清单
  

• 围观RecSys2020 | 推荐系统顶会说了啥？(附论文打包下载)
  

• CIKM2020最新9篇推荐系统相关论文
  

• KDD2020推荐系统论文聚焦
  

• (ACL+ICML)2020推荐系统相关论文聚焦
  

• SIGIR2020推荐系统论文聚焦

• WSDM2020推荐系统论文打包下载

• IJCAI'20最新推荐系统论文聚焦
  

• ECAI2020推荐系统论文聚焦
  

• WWW2020推荐系统论文合集
  

• AAAI2020推荐系统论文集锦

• IJCAI'19最新推荐系统论文分享

以上，关注【机器学习与推荐算法】公众号即可上车，奉上二维码，谨防迷路。

（ML、DM、RS爱好者，欢迎关注！）

资源大放送

来而不往非礼也，来而空手回非礼也。下面你将看到的是小磊呕心沥血整理的推荐系统相关资源，可能真的是史上最全的推荐系统学习资料了，内容涵盖精选论文集、学习笔记、算法实现集合、经典书籍集合以及常用数据集大礼包。

• 综述合集（RSSurveys）

后台回复关键字【综述】，即可获得推荐系统领域涉及全场景的20多篇综述文章，比如协同过滤综述、社会化推荐综述、可解释性综述等，帮你快速轻松入门，快速搭建知识大厦，快速走向人生巅峰。

• 教程合集（RSTutorials）

后台回复关键字【教程】，即可获得推荐系统领域近10年共27份著名学者关于推荐系统的官方Tutorials合集，内容涉及推荐系统基础教程、社会化推荐教程、跨域推荐教程、实时推荐教程以及深度学习推荐教程等。这可是推荐系统领域著名学者给你上课，可得好好学习。

• 精选论文（RSPapers）

后台回复关键字【论文】，即可获得推荐系统领域12大类超200篇经典文献，场景涉及主流的推荐算法、社会化推荐算法、基于深度学习的推荐系统（包括目前较火的GCN网络）以及关于专门处理冷启动问题的相关论文、推荐中的哈希、POI推荐、可解释性推荐以及推荐当中的探索与利用问题和基于知识图的推荐、基于CTR的推荐等。助你在推荐细分领域快速了解前人工作，好站在巨人的肩膀上班门弄斧。

• 学习笔记（MLNotes）

后台回复关键字【笔记】，即可获取Coursera上吴恩达老师关于机器学习课程笔记，笔记干货满满，长达93页，中文阅读，适合入门。

• 算法实现（RSAlgorithms）

后台回复关键字【算法】，即可获得近年来经典推荐系统算法的python实现，助你快速上手，早日成为算法大神。

• 经典书籍（RSBooks）

后台回复关键字【书籍】，即可获得近年来RS, DL, DM, Pytorch领域值得一读、广受好评的书籍材料，使你徜徉书海无法自拔。

• 数据集（RSDatasets）

后台回复关键字【数据】，即可获得用于推荐系统算法所使用的常见数据集，毕竟数据是新的石油，有了数据，就有了希望与爱。

志合者，不以山海为远，故跋涉而有游集。机器学习与推荐算法，期待与你相遇！ 

（别愣着了，赶快搜索关注【机器学习与推荐算法】公号吧！）