推荐系统相关论文汇总
介绍
- 截至2023-12-30，本仓库收集汇总了推荐系统领域相关论文共827篇，涉及：召回，粗排，精排，重排，多任务，多场景，多模态，冷启动，校准， 纠偏，多样性，公平性，反馈延迟，蒸馏，对比学习，因果推断，Look-Alike，Learning-to-Rank，强化学习等领域，本仓库会跟踪业界进展，持续更新。
- 因文件名特殊字符的限制，故论文title中所有的
:都改为了-，检索时请注意。 - 文件名前缀中带有
[]的，表明本人已经通读过，第一个[]中为论文年份，第二个[]中为发表机构或公司(可选)，第三个[]中为论文提出的model或method的简称(可选)。 - 在某些一级分类下面，还有若干二级分类；一篇论文可能应该涉及多个二级分类(例如用对比学习的方法做召回)，最终我会将论文放在较主要的那一类下；分类也会随时调整优化，欢迎在
issue中提出宝贵意见。 - 若您是文章作者，且不希望您的论文出现在这里，请在
issue中提出，我核实后会马上下架。 - 关于排序算法的一些实现，请见我的另一个repo: https://github.com/tangxyw/RecAlgorithm
- 本仓库仅供交流学习使用，不做任何商业目的。
联系方式
<img src='Wechat.jpeg' alt='pic' width='220' height='220'>论文目录
- Rank
- Industry
- Pre-Rank
- Re-Rank
- Match
- Multi-Task
- Multi-Modal
- Multi-Scenario
- Debias
- Calibration
- Distillation
- Feedback-Delay
- ContrastiveLearning
- Cold-Start
- Learning-to-Rank
- Fairness
- Look-Alike
- CausalInference
- Diversity
- ABTest
- ReinforcementLearning
Rank
- [2009][BPR] Bayesian Personalized Ranking from Implicit Feedback
- [2010][FM] Factorization Machines
- [2014][Facebook][GBDT+LR] Practical Lessons from Predicting Clicks on Ads at Facebook
- [2016][UCL][FNN] Deep Learning over Multi-field Categorical Data
- [2016][Microsft][Deep Crossing] Deep Crossing - Web-Scale Modeling without Manually Crafted Combinatorial Features
- [2016][Google][Wide&Deep] Wide & Deep Learning for Recommender Systems
- [2016][SJTU][PNN] Product-based Neural Networks for User Response Prediction
- [2016][NTU][FFM] Field-aware Factorization Machines for CTR Prediction
- [2017][Stanford][DCN] Deep & Cross Network for Ad Click Predictions
- [2017][NUS][NFM] Neural Factorization Machines for Sparse Predictive Analytics
- [2017][ZJU][AFM] Attentional Factorization Machines - Learning the Weight of Feature Interactions via Attention Networks
- [2017][NUS][NCF] Neural Collaborative Filtering
- [2017][Alibaba][MLR] Learning Piece-wise Linear Models from Large Scale Data for Ad Click Prediction
- [2017][Huawei][DeepFM] A Factorization-Machine based Neural Network for CTR Prediction
- [2018][USTC][xDeepFM] xDeepFM - Combining Explicit and Implicit Feature Interactions for Recommender Systems
- [2019][AutoInt] AutoInt - Automatic Feature Interaction Learning via Self-Attentive Neural Networks
- DCN V2 - Improved Deep & Cross Network and Practical Lessons for Web-scale Learning to Rank Systems
- SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS
Industry
- [2016][Youtube] Deep Neural Networks for YouTube Recommendations
- [2016][Microsoft] User Fatigue in Online News Recommendation
- [2017][Alibaba][DIN] Deep Interest Network for Click-Through Rate Prediction
- [2017][Alibaba][ATRank] ATRank - An Attention-Based User Behavior Modeling Framework for Recommendation
- [2018][Alibaba][DIEN] Deep Interest Evolution Network for Click-Through Rate Prediction
- [2018][FwFM] Field-weighted Factorization Machines for Click-Through Rate Prediction in Display Advertising
- [2018][JD] Micro Behaviors - A New Perspective in E-commerce Recommender Systems
- [2018][Airbnb] Real-time Personalization using Embeddings for Search Ranking at Airbnb
- [2019][Alibaba][DSIN] Deep Session Interest Network for Click-Through Rate Prediction
- [2019][Alibaba][BST] Behavior Sequence Transformer for E-commerceRecommendation in Alibaba
- [2019][Weibo][FiBiNET] FiBiNET - Combining Feature Importance and Bilinear feature Interaction for Click-Through Rate Prediction
- [2019][Alibaba][MIMN] Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction
- [2019][Airbnb] Applying Deep Learning To Airbnb Search
- [2020][Alibaba][CAN] CAN - Revisiting Feature Co-Action for Click-Through Rate Prediction
- [2020][Alibaba][SIM] Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction
- [2020][Alibaba][DMR] Deep Match to Rank Model for Personalized Click-Through Rate Prediction
- [2021][Fliggy] [DMSN] Spatial-Temporal Deep Intention Destination Networks for Online Travel Planning
- [2021][Weibo][MaskNet] MaskNet - Introducing Feature-Wise Multiplication to CTR Ranking Models by Instance-Guided Mask
- [2021][Huawei][AutoDis] An Embedding Learning Framework for Numerical Features in CTR Prediction
- [2021][Alibaba][DINMP] A Non-sequential Approach to Deep User Interest Model for Click-Through Rate Prediction
- [2021][Google] Bootstrapping Recommendations at Chrome Web Store
- [2022][Alibaba] Towards Understanding the Overfitting Phenomenon of Deep Click-Through Rate Prediction Models
- [2022][Google] On the Factory Floor - ML Engineering for Industrial-Scale Ads Recommendation Models
- [[2023][Huawei] Ten Challenges in Industrial Recommender
编辑推荐精选
SimilarWeb流量提升
稳定高效的流量提升解决方案，助力品牌曝光
稳定高效的流量提升解决方案，助力品牌曝光
Sora2视频免费生成
最新版Sora2模型免费使用，一键生成无水印视频
最新版Sora2模型免费使用，一键生成无水印视频
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊
最强AI数据分析助手
小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。
imini AI
像人一样思考的AI智能体
imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
下拉加载更多
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号