一个神奇的推荐系统学习站
本页更新中ing
| 专题 | 代码 | ||
|---|---|---|---|
| 〇、前言 | 前言 | ||
| 一、推荐系统概述 | 推荐系统范式 | ||
| 二、基础推荐系统算法 | 经典协同过滤推荐算法 | ||
| 基于朴素ML的协同过滤 | |||
| 矩阵分解推荐算法 | |||
| 因子分解机 | FM、FFM | ||
| 三、进阶推荐系统算法 | 经典结构 | AutoRec——单隐层神经网络 | |
| Deep Crossing——经典架构 | DeepCrossing | ||
| NeuralCF——CF & 深度学习 | |||
| PNN模型——加强特征交叉 | PNN | ||
| Wide&Deep | Wide&Deep——记忆&泛化 | Wide&Deep | |
| FM_DNN簇 | FM与DNN的融合（FNN、DeepFM、NFM） | DeepFM | |
| 注意力机制 | 注意力机制的引入(AFM、DIN) | ||
| 序列模型 | 阿里DIEN | ||
| Embedding技术的应用 | Embedding | ||
| 四、推荐系统评估与价值 | 推荐系统的评估 | ||
| 五、推荐系统的工程实现 | 数据流与特征工程 | 大数据架构 | |
| 推荐系统冷启动 | |||
| 推荐模型离线训练 | |||
| 推荐模型线上部署 | |||
| 六、推荐系统产品与运营 | |||
| 七、推荐系统面试 | |||