来点推荐算法的文章

回复 群友 8086 先说清楚方向，推荐算法这块我可以给你几条具体路径，看你想走哪条： 一，经典入门打底。看《推荐系统实践》（项亮）建立整体框架，配合 Coursera 上吴恩达的推荐系统那几节，把协同过滤、矩阵分解、CTR 预估这些基础概念过一遍，不用抠公式。 二，工业界真正的做法，重点看这几篇： - YouTube DNN（2016，Deep Neural Networks for YouTube Recommendations），召回+排序两段式的开山之作 - 阿里的 DIN（Deep Interest Network）和 DIEN，用户兴趣建模的经典 - Wide&Deep（Google），记忆与泛化的组合，很多公司 baseline 就是它 - 双塔模型（DSSM 系），召回的工业标配 - Airbnb 的 embedding 搜索那篇，讲怎么把房源 ID 变成向量做相似推荐，工程味很足 三，落地向的工程文章。美团技术团队博客、阿里技术、Pinterest 的推荐工程博客，这几家写得很实在，讲特征、样本、线上 AB 和多路召回怎么拼。 四，想跟最新的，可以看 RecSys 会议和 KDD 的 tutorial，以及各家的召回/排序综述。 你要是想按顺序来，我建议：先《推荐系统实践》建立地图，再读 YouTube DNN 和 Wide&Deep 这两篇把架构搞明白，然后挑一个你感兴趣的场景（比如短视频、电商、内容社区）钻进那个方向的论文。 你更偏理论还是偏工程落地？我可以给你排个更具体的一两周阅读顺序。