十八子的博客

深度兴趣网络(DIN)

【ESSM论文精读】Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate

汇总文章目录汇总PaperDQN Series【2010】Double Q-learning【2013】【DQN】【2015】【Nature DQN】【2015】【Double DQN】【2016】【Dueling DQN】【2016】【Prioritized DQN】Policy Gradient【2000】【PG】【2014】【DPG】【2015】【DDPG】【2017】【PPO】Actor-Critic Series【2016】【A3C】【2018】【SAC】AlphaGo Series (wit

word2vec Parameter Learning Explained

参考：《深度学习推荐系统》王喆传统推荐模型目录文章目录传统推荐模型目录传统推荐模型优势演化关系协同过滤 CF (1992)矩阵分解 Matrix Factorization (2009)逻辑回归 LRPOLY2 2010FM (Factorization Machine)(2010)FFM (Field-aware FM)(2015)GBDT+LR (2014)LS-PLM (Large Scale Piece-wise Linear Model）(2012使用，2017公开)其他参考文献传统.

参考：《深度学习推荐系统》王喆深度学习推荐模型文章目录深度学习推荐模型深度学习RS进展演化关系AutoRec (2015，澳大利亚国立大学)Deep Crossing (2016, Microsoft)DSSM 双塔模型 (2013, Microsoft)NeuralCF (2017，新加坡国立大学)PNN (2016，SJTU)Wide&Deep (2016, Google)Deep&Cross / DCN (2017，Stanford + Google)FNN (2016, 伦.

Embedding在推荐系统中的应用文章目录Embedding在推荐系统中的应用Word2vec (2013, Google)Item2vec (2006, 微软)DeepWalk (2014)Node2vec (2016, 斯坦福大学)EGES (2018, 阿里巴巴)局部敏感哈希 (2008)其他参考文献Word2vec (2013, Google)原理：利用句子中词的相关性建模，利用单隐层神经网络获得词的Embedding 向量特点：经典 Embedding方法局限：仅能针对 词序列 样本

《Graph Learning based Recommender Systems:A Review》《图学习推荐系统：回顾/综述》