推荐系统是有效的信息过滤工具，由于互联网接入的增加、个性化趋势和计算机用户习惯的改变，这种工具非常普遍。尽管现有的推荐系统成功地产生了不错的推荐，但是它们仍然面临着诸如准确性、可伸缩性和冷启动等挑战。在过去的几年中，推荐系统中的研究热点之一是，深度学习的引入以提高推荐质量。
在本资源中，基于深度学习的推荐方法进行了回顾与总结，对深度学习在搜索、推荐、广告相关领域的最新论文进行了整理。主要集中在embedding向量化，匹配（matching，），排序（CTR预估，CVR预估），后验排序，迁移学习和强化学习领域。
资源整理自网络，资源获取见源地址：https://github.com/guyulongcs/Awesome-Deep-Learning-Papers-for-Search-Recommendation-Advertising
论文资源列表
往期精品内容推荐
2021ML实战新课-《深度学习速成课程2021》课程视频及ppt免费分享
Reza Zafarani经典教材-《社交媒体挖掘》PDF+随书课件打包分享
深度学习架构论文3-批量标准（BN）减少内部偏移加速模型训练
短小精悍-机器学习核心概念、模型、基础知识点简明手册-免费分享
3767
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
