学习周报20200627 | 项亮

【学习周报】

总结自己的学习和遇到的好材料。

往期回顾：

• 学习周报20200517 | 搜索梳理、推荐、风控

• 学习周报20200525 | 用户画像，推荐系统

• 学习周报20200605 | DLRS，大数据操作，搜索的思考

• 学习周报20200613 | spark学习

• 学习周报20200621 | 深度学习推荐系统

推荐系统实践

项亮的推荐系统实践可以说是推荐系统领域比较早的一篇文章了，其实很久之前就读过，当时比较年轻，比较喜欢高端的深度学习的东西，所以觉得那本书写的比较传统，但是现在在一位前辈的推荐下开始阅读，反而觉得阅读越有味道，很多基本的方法应该是推荐系统最扎实的最基础的部分吧。

快速看完，就花了一周的时间，思考却花了不少时间吧。

回过头来看，这本书反而适合有一些推荐基础，主要理解模型但对业务理解不深的同学看，非常业务的一本书，针对业务能有很多个性化的方案出来。

candyhub

EE和bandit

有关用户兴趣探索和直接的兴趣推荐的平衡，也就EE问题，是一个经典的推荐系统问题，最近我就在就这个问题在研究多臂老虎机。

• https://www.jianshu.com/p/95b2de50ce44

• https://www.jianshu.com/p/e0e843d78e3c

模型本身不难，最近的思考在于每个臂怎么设计，具体收益如何还不太清楚，先加入工具库，后续再说吧。

GBDT+LR

很经典的模型，所以特地看了一下，这个特征的处理还是非常有技巧的，学起来。

• 原论文：http://quinonero.net/Publications/predicting-clicks-facebook.pdf

• https://www.jianshu.com/p/96173f2c2fb4