【NLP+图神经网络+推荐领域】2020年最新综述性文章推荐

阅读地址：

http://www.statmt.org/wmt20/

每年国内外知名科研机构和工业界都有团队参加，贡献的技术报告也可以了解到当前实用的提升翻译性能的机器翻译技术。

Philipp Koehn 17年写的这篇，里面提到的挑战是NMT领域未来重点关注的方向。

阅读地址：

https://www.aclweb.org/anthology/W17-3204.pdf

▐  对话领域

对话领域可以重点关注下谷歌去年的工作，简单粗暴的大模型和大数据直接碾压了之前SOTA的结果。

阅读地址：

https://arxiv.org/abs/2001.09977

谷歌的 Meena 和 Facebook 的Blender 很好地诠释了深度学习在NLP领域的一个发展方向：简单粗暴+大力出奇迹。

阅读地址：

https://ai.googleblog.com/2020/01/towards-conversational-agent-that-can.html

**Q：**图神经网络，有哪些值得推荐的综述性文章

=============================

---

豆苗：

图神经网络和卷积神经网络有着一脉相承的理论基础，建议可以此先了解卷积神经网络的一些基础理论知识。这个可以直接看吴恩达老师《卷积神经网络》的第一周课程。

至于图神经网络，它是2017年才逐渐火起来的，相应的系统性的资料较少。这里给题主列出一些我自己在学习时使用到的书籍、视频等资料。

《深入浅出图神经网络》，这本书是从原理、算法、实现、应用4个维度详细讲解图神经网络的，整体排版很舒服，对于想快速上手的小伙伴较为友好。

阅读地址：

https://www.zhihu.com/topic/21216055/hot

目前有的两大类较火的GNN方向，一个是谱域的卷积的代表GCN，背后有很深的理论支撑，可以关注问题【如何理解 Graph Convolutional Network（GCN）】（https://www.zhihu.com/question/54504471） ，下面有很多大神的精彩回答。

另一个是空域卷积的代表GraphSAGE和GATs。可以搭配b站上【2020 图神经网络在线研讨】（https://www.bilibili.com/video/BV1hC4y1a7To）视频一起食用，视频中有唐杰老师、石川老师、沈华伟老师以及宋国杰老师四位领域大牛介绍图神经网络，有基础有前沿，适合快速掌握领域科研趋势。

在有了上面知识后，可以尝试去看论文，进一步深入探究。这里给出清华大学在GitHub上的一个必读论文的汇总——

阅读地址：

https://github.com/thunlp/GNNPapers

最后在实现方面，目前已经有很多公司针对图数据的训练推出了图神经网络的框架。这里主要列出三个学术界常用框架，供题主根据实际任务快速实现自己图神经网络。

Deep Graph Library（DGL）：由New York University（NYU）和Amazon Web Services（AWS）联合推出，支持PyTorch、MXNet和TensorFlow作为其后端。

github：github.com/dmlc/dgl

帮助文档：docs.dgl.ai/

PyTorch Geometric（PyG）：由德国多特蒙德工业大学推出，对PyTorch用户来说是极为友好。

github：github.com/rusty1s/pyto

帮助文档：pytorch-geometric.readthedocs.io

tf_geometric：GNN的TensoFlow版本，适合tf用户。

github：github.com/CrawlScript/

帮助文档：tf-geometric.readthedocs.io

一家之言，欢迎补充与交流。

===

**Q：**推荐领域，有哪些值得推荐的综述性文章

============================

---

萌胖：

推荐领域覆盖的应用场景较多，工业界的推荐系统架构介绍首推谷歌2016年的论文：Deep Neural Networks for YouTube Recommendations

阅读地址：

https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/45530.pdf

这是一篇很接地气的文章，以youtube为例，介绍了深度学习在推荐系统中的应用。

此外从应用的角度，有一些综述的论文值得一读：

【经典的协同过滤推荐综述】阅读地址：

https://downloads.hindawi.com/archive/2009/421425.pdf

【深度学习推荐综述】阅读地址：

https://arxiv.org/abs/1707.07435

【图推荐网络综述】阅读地址：

https://arxiv.org/abs/2003.00911

现在召回主要在graph embedding的方向在做一些探索，这里也推荐一些经典的图神经网络相关论文：

【Deep Learning on Graphs综述】阅读地址：

https://arxiv.org/abs/1812.04202

【DeepWalk】阅读地址:

https://dl.acm.org/doi/abs/10.1145/2623330.2623732

【Node2vec】阅读地址:

https://arxiv.org/abs/1607.00653

【GraphSage】阅读地址:

https://papers.nips.cc/paper/2017/file/5dd9db5e033da9c6fb5ba83c7a7ebea9-Paper.pdf

【GAT】阅读地址：

https://arxiv.org/pdf/1710.10903

排序模型方面的文章相对更多一些，这里也推荐几篇相对经典的文章：

【wdl】阅读地址：

https://arxiv.org/pdf/1606.07792.pdf

【deepFM】阅读地址:

http://www.ijcai.org/proceedings/2017/0239.pdf

【DCN】阅读地址:

https://arxiv.org/abs/1708.05123

【DIN】阅读地址:

https://arxiv.org/pdf/1706.06978.pdf

【DIEN】阅读地址:

https://arxiv.org/pdf/1809.03672.pdf

【多目标MMOE】阅读地址：

https://www.kdd.org/kdd2018/accepted-papers/view/modeling-task-relationships-in-multi-task-learning-with-multi-gate-mixture-

???橙子说

大家还有什么话题想要了解，欢迎评论区留言，我们下期见～

✿  拓展阅读

作者|松岭、豆苗、萌胖

最后

针对最近很多人都在面试，我这边也整理了相当多的面试专题资料，也有其他大厂的面经。希望可以帮助到大家。

最新整理面试题

上述的面试题答案都整理成文档笔记。也还整理了一些面试资料&最新2021收集的一些大厂的面试真题

最新整理电子书

最新整理大厂面试文档

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
25179&scene=21&sn=11a46fcd2b7e166acfce4652aca75293#wechat_redirect)

作者|松岭、豆苗、萌胖

最后

针对最近很多人都在面试，我这边也整理了相当多的面试专题资料，也有其他大厂的面经。希望可以帮助到大家。

最新整理面试题
[外链图片转存中…(img-Zs6TpSPV-1720083545880)]

上述的面试题答案都整理成文档笔记。也还整理了一些面试资料&最新2021收集的一些大厂的面试真题

最新整理电子书

[外链图片转存中…(img-mXlQPDYw-1720083545881)]

最新整理大厂面试文档

[外链图片转存中…(img-u4YKlmbn-1720083545881)]

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。