RecSys
RecSys copied to clipboard
mJackie
计算广告/推荐系统/机器学习(Machine Learning)/点击率(CTR)/转化率(CVR)预估/点击率预估
推荐系统/计算广告/机器学习/CTR预估资料汇总
说明：本仓库主要汇集推荐系统/计算广告/机器学习/CTR预估相关学习资料，欢迎一起补充更新👼
更多前沿技术文章，欢迎移步 -> 精选文章
RoadMap
- 推荐系统
- 计算广告
-
统计学习模型
- 技术文章
- 实践工具
-
深度学习模型
- 技术文章
- 实践代码
-
相关比赛
- Criteo Display Advertising Challenge
- Avazu Click Through Rate Prediction
- 2018 IJCAI 阿里妈妈搜索广告转化预测
- 2018腾讯广告算法大赛
- 技术博客
- 经典论文清单
推荐系统
- 推荐系统简明教程-概述
- 推荐系统简明教程-召回
- 推荐系统简明教程-排序
- 推荐系统实践-项亮
计算广告
统计学习模型
技术文章
- 前深度学习时代CTR预估模型的演化之路
- 逻辑回归LR模型简介
- FFM讲解PPT
- 深入FFM原理与实践
- GBDT算法原理与系统设计简介
实践工具
深度学习模型
技术文章
实践代码
相关比赛
CriteoDisplayAdvertisingChallenge
- Rank1: 借鉴了Facebook的方案: GBDT 特征编码 + FFM
- Rank3: Quadratic Feature Generation + FTRL 传统特征工程和 FTRL 线性模型的结合
AvazuClickThroughRatePrediction
- Rank1: Feature Engineering + FFM + Ensemble, 只基于 FFM 进行集成
- Rank2: Feature Engineering + GBDT 特征编码 + FFM + Blending
2018 IJCAI 阿里妈妈搜索广告转化预测
- Rank1: GBDT，用了嫁接技术处理样本分布不一致
- Rank2: GBDT单模型+大量特征工程
2018腾讯广告算法大赛
- Rank3: https://github.com/DiligentPanda/Tencent_Ads_Algo_2018
- Rank6: https://github.com/nzc/tencent-contest
技术博客
经典论文清单
筛选文章的标准：前沿或者经典的，工程导向的，google、阿里、facebook等一线互联网公司出品的：
Wide & Deep Learning for Recommender Systems
google 的 wide&deep，必看论文，经典到难以附加
DeepFM: An End-to-End Wide & Deep Learning Framework for CTR Prediction
华为对wide&deep的改进，加了wide层的交叉项。如今工业界的主流模型
Practical lessons from predicting clicks on ads at facebook
facebook GBDT+LR的经典方案。虽然如今已不是主流方案，但论文中的思想很值得学习。
Deep Neural Networks for YouTube Recommendations
介绍了Youtube推荐系统工业界架构与方案，经典必看
Real-time Personalization using Embeddings for Search Ranking at Airbnb
KDD2018 best paper，Embedding 必看论文，非常经典
Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate
阿里的多目标学习经典方案，同时优化CTR & CVR
Real-time Personalization using Embeddings for Search Ranking at Airbnb
介绍了 airbnb 搜索排序模型的演进，工业性质很强，值得参考
搜索引擎点击模型综述
清华马少平团队的文章点击模型入门必看，搜索引擎点击模型综述
mJackie