推荐系统简介
随着大数据时代的飞速发展,信息逐渐呈现出过载状态,推荐系统(又称为个性化内容分发)作为近年来实现信息生产者与消费者之间利益均衡化的有效手段之一,越来越发挥着举足轻重的作用。因此在这个张扬个性的时代,无论你是开发工程师还是产品经理,我们都有必要了解一下个性化推荐的一些经典工作与前沿动态。
推荐系统清单
https://github.com/hongleizhang/RSPapers
该项目提供了14大类推荐系统领域的细分研究方向,其中包括推荐系统的经典综述文章、主流的推荐算法文章、著名的社会化推荐算法论文、基于深度学习的推荐系统论文(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、推荐中的哈希以及推荐当中的探索与利用问题等。当然该项目包含但不局限于以上这些模块。
目前该项目累计star数量已达2.9k,感谢大家的贡献与支持。关注下方公众号回复【RSPapers】打包获取超300篇论文PDF合集。
????长按回复关键字获取
其他福利
回复关键字获取
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。
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!
????长按上方二维码 2 秒
(别愣着了,快点我吧!)