From ea257277d4ccc23c889fd76664c8e2bbd1e4ef8d Mon Sep 17 00:00:00 2001 From: RuyiLuo Date: Thu, 21 Apr 2022 19:55:33 +0800 Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E5=9C=A8=E7=BA=BF=E9=98=85?= =?UTF-8?q?=E8=AF=BB=E7=9B=AE=E5=BD=95=E7=BB=93=E6=9E=84?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/_sidebar.md | 185 +++++++++++++++++++++++------------------------ 1 file changed, 92 insertions(+), 93 deletions(-) diff --git a/docs/_sidebar.md b/docs/_sidebar.md index 24fefd54..ab94497b 100644 --- a/docs/_sidebar.md +++ b/docs/_sidebar.md @@ -1,96 +1,95 @@ - [目录](README.md) -- [推荐系统概述]() - - [推荐系统的意义](推荐系统概述/推荐系统的意义) - - [推荐系统的应用](/推荐系统概述/推荐系统的应用) - - [推荐系统架构](/推荐系统概述/推荐系统架构) - - [推荐系统技术栈](/推荐系统概述/推荐系统技术栈) -- [推荐系统算法基础]() - - [经典召回模型]() - - [基于协同过滤的召回]() - - [UserCF]() - - [ItemCF]() - - [Swing(Graph-based)](/推荐算法基础/经典召回模型/基于协同过滤的召回/Swing(Graph-based)) - - [矩阵分解系列(ALS,SVD++)]() - - [基于向量的召回]() - - [FM召回]() - - [item2vec召回]() - - [word2vec原理]() - - [Airbnb召回]() - - [YoutubeDNN召回]() - - [双塔召回]() - - [经典双塔]() - - [Youtube双塔]() - - [MOBIUS]() - - [基于图的召回]() - - [EGES](/推荐算法基础/经典召回模型/基于图的召回/EGES) - - [PinSAGE]() - - [基于序列的召回]() - - [MIND](/推荐算法基础/经典召回模型/基于序列的召回/MIND模型) - - [SDM](/推荐算法基础/经典召回模型/基于序列的召回/SDM模型) - - [基于树模型的召回]() - - [TDM]() - - [经典排序模型]() - - [GBDT+LR](/推荐算法基础/经典排序模型/GBDT+LR) - - 特征交叉]() - - [FM](/推荐算法基础/经典排序模型/特征交叉/FM) - - [PNN](/推荐算法基础/经典排序模型/特征交叉/PNN) - - [DCN](/推荐算法基础/经典排序模型/特征交叉/DCN) - - [AutoInt]() - - [FiBiNet]() - - [Wide&Deep系列]() - - [Wide&Deep](/推荐算法基础/经典排序模型/Wide&Deep系列/Wide&Deep) - - [改进Deep侧]() - - [NFM](/推荐算法基础/经典排序模型/Wide&Deep系列/NFM) - - [AFM](/推荐算法基础/经典排序模型/Wide&Deep系列/AFM) - - [改进Wide侧]() - - [DeepFM](/推荐算法基础/经典排序模型/Wide&Deep系列/DeepFM) - - [xDeepFM]() - - [序列模型]() - - [DIN](/推荐算法基础/经典排序模型/序列模型/DIN) - - [DIEN](/推荐算法基础/经典排序模型/序列模型/DIEN) - - [DISN]() - - [BST]() - - [多任务学习]() - - [SharedBottom]() - - [ESSM]() - - [MMOE]() - - [PLE]() -- [推荐系统实战]() - - [竞赛实践(天池入门赛-新闻推荐)]() - - [赛题理解&Baseline](/推荐系统实战/竞赛实践/markdown/赛题理解+Baseline) - - [数据分析](/推荐系统实战/竞赛实践/markdown/数据分析) - - [多路召回](/推荐系统实战/竞赛实践/markdown/多路召回) - - [特征工程](/推荐系统实战/竞赛实践/markdown/特征工程) - - [排序模型&模型融合](/推荐系统实战/竞赛实践/markdown/排序模型&模型融合) - - [新闻推荐系统的实践]() - - [离线物料系统的构建]() - - [Mysql基础](/推荐系统实战/新闻推荐系统实践/Mysql基础) - - [MongoDB基础](/推荐系统实战/新闻推荐系统实践/MongoDB基础) - - [Redis基础](/推荐系统实战/新闻推荐系统实践/Redis基础) - - [Scrapy基础及新闻爬取实战](/推荐系统实战/新闻推荐系统实践/scrapy基础及新闻爬取实战) - - [自动化构建用户及物料画像](/推荐系统实战/新闻推荐系统实践/自动化构建用户及物料画像) - - [前后端基础及交互]() - - [前端基础及Vue实战](/推荐系统实战/新闻推荐系统实践/前端基础及Vue实战) - - [flask简介及基础](/推荐系统实战/新闻推荐系统实践/flask简介及基础) - - [前后端交互](/推荐系统实战/新闻推荐系统实践/前后端交互) - - [推荐系统流程的构建](/推荐系统实战/新闻推荐系统实践/推荐系统流程的构建) - - [召回]() - - [热度召回]() - - [地域召回]() - - [YouTubeDNN召回](/推荐系统实战/新闻推荐系统实践/YouTubeDNN召回) - - [DSSM召回](/推荐系统实战/新闻推荐系统实践/DSSM召回) - - [DeepFM排序]() - - [规则与重排]() - - [任务调度与监控]() - - [当前问题汇总]() - - [熟悉推荐系统基本流程问答整理](/推荐系统实战/新闻推荐系统实践/熟悉推荐系统基本流程问答整理) - - [数据库的基本使用问答整理](/推荐系统实战/新闻推荐系统实践/数据库的基本使用问答整理) - - [离线物料系统的构建问答整理](/推荐系统实战/新闻推荐系统实践/离线物料系统的构建问答整理) -- [推荐系统算法面经]() - - [ML与DL基础](/推荐算法面经/ML与DL基础) - - [推荐模型相关](/推荐算法面经/推荐模型相关) - - [热门技术相关](/推荐算法面经/热门技术相关) - - [业务场景相关](/推荐算法面经/业务场景相关) - - [HR及其他](/推荐算法面经/HR及其他) + - [第一章 推荐系统概述]() + - [1.1 推荐系统的意义](推荐系统概述/推荐系统的意义) + - [1.2 推荐系统架构](/推荐系统概述/推荐系统架构) + - [1.3 推荐系统技术栈](/推荐系统概述/推荐系统技术栈) + - [第二章 推荐系统算法基础]() + - [2.1 经典召回模型]() + - [2.1.1 基于协同过滤的召回]() + - [UserCF]() + - [ItemCF]() + - [Swing(Graph-based)](/推荐算法基础/经典召回模型/基于协同过滤的召回/Swing(Graph-based)) + - [矩阵分解系列(ALS,SVD++)]() + - [2.1.2 基于向量的召回]() + - [FM召回]() + - [item2vec召回]() + - [word2vec原理]() + - [Airbnb召回]() + - [YoutubeDNN召回]() + - [双塔召回]() + - [经典双塔]() + - [Youtube双塔]() + - [MOBIUS]() + - [2.1.3 基于图的召回]() + - [EGES](/推荐算法基础/经典召回模型/基于图的召回/EGES) + - [PinSAGE]() + - [2.1.4 基于序列的召回]() + - [MIND](/推荐算法基础/经典召回模型/基于序列的召回/MIND模型) + - [SDM](/推荐算法基础/经典召回模型/基于序列的召回/SDM模型) + - [2.1.5 基于树模型的召回]() + - [TDM]() + - [2.2 经典排序模型]() + - [2.2.1 GBDT+LR](/推荐算法基础/经典排序模型/GBDT+LR) + - [2.2.2 特征交叉]() + - [FM](/推荐算法基础/经典排序模型/特征交叉/FM) + - [PNN](/推荐算法基础/经典排序模型/特征交叉/PNN) + - [DCN](/推荐算法基础/经典排序模型/特征交叉/DCN) + - [AutoInt]() + - [FiBiNet]() + - [2.2.3 Wide&Deep系列]() + - [Wide&Deep](/推荐算法基础/经典排序模型/Wide&Deep系列/Wide&Deep) + - [改进Deep侧]() + - [NFM](/推荐算法基础/经典排序模型/Wide&Deep系列/NFM) + - [AFM](/推荐算法基础/经典排序模型/Wide&Deep系列/AFM) + - [改进Wide侧]() + - [DeepFM](/推荐算法基础/经典排序模型/Wide&Deep系列/DeepFM) + - [xDeepFM]() + - [2.2.4 序列模型]() + - [DIN](/推荐算法基础/经典排序模型/序列模型/DIN) + - [DIEN](/推荐算法基础/经典排序模型/序列模型/DIEN) + - [DISN]() + - [BST]() + - [2.2.5 多任务学习]() + - [SharedBottom]() + - [ESSM]() + - [MMOE]() + - [PLE]() + - [第三章 推荐系统实战]() + - [3.1 竞赛实践(天池入门赛-新闻推荐)]() + - [赛题理解&Baseline](/推荐系统实战/竞赛实践/markdown/赛题理解+Baseline) + - [数据分析](/推荐系统实战/竞赛实践/markdown/数据分析) + - [多路召回](/推荐系统实战/竞赛实践/markdown/多路召回) + - [特征工程](/推荐系统实战/竞赛实践/markdown/特征工程) + - [排序模型&模型融合](/推荐系统实战/竞赛实践/markdown/排序模型&模型融合) + - [3.2 新闻推荐系统的实践]() + - [离线物料系统的构建]() + - [Mysql基础](/推荐系统实战/新闻推荐系统实践/Mysql基础) + - [MongoDB基础](/推荐系统实战/新闻推荐系统实践/MongoDB基础) + - [Redis基础](/推荐系统实战/新闻推荐系统实践/Redis基础) + - [Scrapy基础及新闻爬取实战](/推荐系统实战/新闻推荐系统实践/scrapy基础及新闻爬取实战) + - [自动化构建用户及物料画像](/推荐系统实战/新闻推荐系统实践/自动化构建用户及物料画像) + - [前后端基础及交互]() + - [前端基础及Vue实战](/推荐系统实战/新闻推荐系统实践/前端基础及Vue实战) + - [flask简介及基础](/推荐系统实战/新闻推荐系统实践/flask简介及基础) + - [前后端交互](/推荐系统实战/新闻推荐系统实践/前后端交互) + - [推荐系统流程的构建](/推荐系统实战/新闻推荐系统实践/推荐系统流程的构建) + - [召回]() + - [热度召回]() + - [地域召回]() + - [YouTubeDNN召回](/推荐系统实战/新闻推荐系统实践/YouTubeDNN召回) + - [DSSM召回](/推荐系统实战/新闻推荐系统实践/DSSM召回) + - [DeepFM排序]() + - [规则与重排]() + - [任务调度与监控]() + - [当前问题汇总]() + - [熟悉推荐系统基本流程问答整理](/推荐系统实战/新闻推荐系统实践/熟悉推荐系统基本流程问答整理) + - [数据库的基本使用问答整理](/推荐系统实战/新闻推荐系统实践/数据库的基本使用问答整理) + - [离线物料系统的构建问答整理](/推荐系统实战/新闻推荐系统实践/离线物料系统的构建问答整理) + - [第四章 推荐系统算法面经]() + - [4.1 ML与DL基础](/推荐算法面经/ML与DL基础) + - [4.2 推荐模型相关](/推荐算法面经/推荐模型相关) + - [4.3 热门技术相关](/推荐算法面经/热门技术相关) + - [4.4 业务场景相关](/推荐算法面经/业务场景相关) + - [4.5 HR及其他](/推荐算法面经/HR及其他)