【CTR模型系列汇总】十五篇博文、十九个模型梳理CTR预估模型（20220802更新）

最近梳理了看过的CTR模型，总结成下图，工业、学术与灌水并存，需要自己斟酌哦～

一、【机器学习基础04】矩阵分解（Matrix Factorization）
二、【特征交叉-CTR】FM-based Recommendation Model：FM、FFM
三、【特征交叉-CTR】特征交叉：Wide & Deep、Deep & Cross Network
四、【特征交叉-CTR】真伪DeepFM：DeepFM、xDeepFM
五、【挖掘兴趣-CTR】YouTubeNet、DIN
六、【挖掘兴趣-CTR】Deep Interest Evolution Network for Click-Through Rate Prediction (AAAI‘19)
七、【挖掘兴趣-CTR】Deep Session Interest Network for Click-Through Rate Prediction (IJCAI‘19)
八、【GCN-CTR】早期工作Fi-GNN (CIKM‘19)——懂了，要用Transformer～
九、【GCN-CTR】剪枝特征：Detecting Beneficial Feature Interactions for Recommender Systems (AAAI‘21)
十、【GCN-CTR】双塔又不完全塔：Neural Graph Matching based Collaborative Filtering (SIGIR‘21)
十一、【GCN-CTR】end-to-end属实8行：阿里预训练PCF-GNN生产显式统计特征（SIGIR‘21）
十二、【GCN-CTR】端到端的GNN-CTR：Dual Graph enhanced Embedding Neural Network for CTR Prediction (KDD‘21)

======================================2022/8/2更新

十三、【GCN-CTR】一毛钱计算开销都没少的DC-GNN: Decoupled GNN for Improving and Accelerating Large-Scale E-commerce Retrieval (WWW’22)
十四、【多任务CTR】阿里ESMM：《Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate》 SIGIR‘18
十五、【冷启动】快手《POSO: Personalized Cold Start Modules for Large-scale Recommender Systems》