当前位置：网站首页>入门推荐系统必读的10篇baseline paper

入门推荐系统必读的10篇baseline paper

2022-07-22 01:31:00 【kaiyuan_sjtu】

经常有粉丝留言问我：推荐系统应该怎么入门？

我建议想入门推荐系统的同学，从rank任务学起，优先去读以下10篇推荐系统的baseline 论文。

推荐系统10篇baseline论文

1、Wide & Deep Learning for Recommender Systems

2、DeepFM: A Factorization-Machine based Neural Network for CTR Prediction

3、Neural Factorization Machines for Sparse Predictive Analytics

4、FiBiNET: Combining Feature Importance and Bilinear Feature Interaction for Click-Through Rate

5、Attentional Factorization Machines

6、AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks

7、Deep & Cross Network for Ad Click Predictions

8、xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems

9、Neural Collaborative Filtering

10、Deep Interest Network for Click-Through Rate Prediction

除了上述10篇论文之外，我建议想入门的同学去听一听Merlin老师的推荐系统公开课。

2天入门推荐系统

7月27日直播 推荐系统概述

7月28日 双塔模型在召回中的应用

大厂推荐算法工程师2天直播分享

↑扫码0.1元即可获取↑

原网站

版权声明
本文为[kaiyuan_sjtu]所创，转载请带上原文链接，感谢
https://kaiyuan.blog.csdn.net/article/details/125903995