推荐系统 - 专栏目录

本文收录在推荐系统专栏，专栏系统化的整理推荐系统相关的算法和框架，并记录了相关实践经验，所有代码都已整理至推荐算法实战集合(hub-recsys)。

通往机器学习算法工程师的进阶之路是崎岖险阻的，为了系统化的记录自己在推荐系统方向的学习和实践经验，特意开启了这个专栏进行了记录，主要涵盖「推荐系统基本概念」、「经典推荐算法」、「深度推荐算法」三大部分，并从原理和结构，优势和不足，实践和应用等方面探讨各个算法模型。【更新填坑ing ~】

专栏目录

• 1. 系统概述

  • 1.1 

• 2. 经典推荐算法

  • 2.1 内容过滤
  • 2.2 协同过滤(Collaborative Filtering, CF)
    • 2.2.1 Memory-based CF
      • Item-based CF
      • User-based CF
    • 2.2.2 Model-based CF
      • 矩阵分解(Matrix Factorization, MF)
      • 自动化特征工程(GBDT+LR)
      • FM
      • FFM
  • 2.3 混合推荐

• 3. 深度推荐算法

  • 3.1 Embedding+MLP 结构下的浅层改造
    • FNN（Factorization Machine supported Neural Network）
    • PNN（Product-based Neural Network）
    • NFM（Neural Factorization Machines）
    • ONN（Operation-aware Neural Networks）
  • 3.2 双路并行的模型组合
    • wide&deep（Wide and Deep）
    • deepFM（Deep Factorization Machines）
  • 3.3 复杂的显式特征交叉网络
    • DCN（Deep and Cross Network）
    • xDeepFM（Compressed Interaction Network）
    • AutoInt（Automatic Feature Interaction Learning）