入门推荐系统必读的10篇基准论文

刚入门推荐算法的小伙伴常常苦恼该从哪儿开始学。

我建议你优先读paper，去熟悉推荐算法的技术发展脉络-一文尽览推荐系统模型演变史，理解常用的推荐算法模型-最新深度学习推荐系统综述：从协同过滤到信息增强的推荐系统，建立起自己的一套推荐技术理论框架。而后，才谈得上做项目、创新发论文。

我整理了10篇必读的推荐算法baseline paper，推荐给你——

0 1

推荐系统10篇baseline论文

• Wide & Deep Learning for Recommender Systems

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

• Neural Factorization Machines for Sparse Predictive Analytics

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

• Attentional Factorization Machines

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

• Deep & Cross Network for Ad Click Predictions

• xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems

• Neural Collaborative Filtering

• 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Piruto老师的《推荐算法入门：Wide&Deep论文带读》公开分享。

扫码0.1元预约直播

附赠Wide&Deep代码及直播讲义

以下为完整分享大纲

推荐算法入门 

Wide&Deep论文带读

推荐系统算法概述| wide&deep论文精读

0 1

时间与内容安排

第1天：9月7日-推荐系统算法概述（直播）

01 推荐系统各部分介绍

02 召回算法概述

03 排序算法概述

04 wide&deep概览

第2天：9月8日-Wide&Deep论文精读（直播）

01 Introduction

02 Recommender system overview

03 Wide&Deep Learning

04 System Implementation

05 Experiment Results

0 2

代码与讲义

扫码0.1元预约直播

附赠代码&分享讲义