CTR调研——博客、论文、代码

CTR相关理论介绍、论文、代码等资源收集

博客

• CTR预估模型发展过程与关系图谱
• CTR预估模型：DeepFM/Deep&Cross/xDeepFM/AutoInt代码实战与讲解
  对应代码：https://github.com/NELSONZHAO/zhihu/tree/master/ctr_models
• CTR学习笔记&代码实现3-深度ctr模型 FNN->PNN->DeepFM
  对应代码：https://github.com/DSXiangLi/CTR

论文

• CTR点击率预估论文集锦（持续更新）
• 经典论文
  • （FM）. Steffen Rendle. Factorization Machines, ICDM (CCF-B), 出自大阪大学。2010年
  • (DSSM）. Po-Sen Huang. Learning deep structured semantic models for web search using clickthrough data, CIKM (CCF-B), 出自伊利诺伊大学厄巴纳-香槟分校和微软合作。2013年
  • （GDBT+LR）. Practical Lessons from Predicting Clicks on Ads at Facebook, KDD WorkShop, 出自Facebook团队。2014年
  • (FFM). Yu-Chin Juan. Field-aware Factorization Machines for CTR Prediction, RecSys, 出自Criteo团队
  • (Wide&Deep). Heng-Tze Cheng. Wide & Deep Learning for Recommender Systems, RecSys, 出自谷歌团队
  • (PNN). Yanru Qu. Product-based Neural Networks for User Response Prediction, ICDM (CCF-B), 出自上海交通大学
  • (FNN). Weinan Zhang. Deep Learning over Multi-field Categorical Data - - A Case Study on User Response Prediction, ECIR (CCF-C), 出自伦敦大学
  • (DeepFM). Huifeng Guo. DeepFM: A Factorization-Machine based Neural Network for CTR Prediction, IJCAI (CCF-A)，出自华为和哈尔滨工业大学合作
  • (xDeepFM). Jianxun Lian. xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems, KDD (CCF-A)，出自微软和中国科学技术大学合作
  • (DNN双塔). Xinyang Yi. Sampling-bias-corrected neural modeling for large corpus item recommendations, RecSys. 出自谷歌YouTube团队
  • (DFN). Ruobing Xie. Deep Feedback Network for Recommendation，2020，IJCAI（CCF-A）. 出自腾讯微信团队

代码

• https://github.com/DSXiangLi/CTR
  README.md: https://github.com/DSXiangLi/CTR/blob/master/README.md
• https://github.com/NELSONZHAO/zhihu/tree/master/ctr_models
  README.md: https://github.com/NELSONZHAO/zhihu/blob/master/ctr_models/README.md