<!-- docs/_sidebar.md -->

- 目录
    - 第一章 推荐系统概述
        - [1.1 推荐系统的意义](/ch01/ch1.1)
        - [1.2 推荐系统架构](ch01/ch1.2)
        - [1.3 推荐系统技术栈](ch01/ch1.3)
    - 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](ch02/ch2.1/ch2.1.1/Swing)
                - 矩阵分解
            - 2.1.2 基于向量的召回
                - FM召回
                - item2vec召回系列
                    - word2vec原理
                    - item2vec召回
                    - Airbnb召回
                - [YoutubeDNN召回](ch02/ch2.1/ch2.1.2/YoutubeDNN)
                - 双塔召回
                    - 经典双塔
                    - Youtube双塔
                    - MOBIUS
            - 2.1.3 基于图的召回
                - [EGES](ch02/ch2.1/ch2.1.3/EGES)
                - [PinSAGE](ch02/ch2.1/ch2.1.3/PinSage)
            - 2.1.4 基于序列的召回
                - [MIND](ch02/ch2.1/ch2.1.4/MIND)
                - [SDM](ch02/ch2.1/ch2.1.4/SDM)
            - 2.1.5 基于树模型的召回
                - [TDM](ch02/ch2.1/ch2.1.5/TDM)
        - 2.2 经典排序模型
            - [2.2.1 GBDT+LR](ch02/ch2.2/ch2.2.1)
            - 2.2.2 特征交叉
                - [FM](ch02/ch2.2/ch2.2.2/FM)
                - [PNN](ch02/ch2.2/ch2.2.2/PNN)
                - [DCN](ch02/ch2.2/ch2.2.2/DCN)
                - [AutoInt](ch02/ch2.2/ch2.2.2/AutoInt)
                - [FiBiNet](ch02/ch2.2/ch2.2.2/FiBiNet)
            - 2.2.3 Wide&Deep系列
                - [Wide&Deep](ch02/ch2.2/ch2.2.3/WideNDeep)
                - [NFM](ch02/ch2.2/ch2.2.3/NFM)
                - [AFM](ch02/ch2.2/ch2.2.3/AFM)
                - [DeepFM](ch02/ch2.2/ch2.2.3/DeepFM)
                - [xDeepFM](ch02/ch2.2/ch2.2.3/xDeepFM)
            - 2.2.4 序列模型
                - [DIN](ch02/ch2.2/ch2.2.4/DIN)
                - [DIEN](ch02/ch2.2/ch2.2.4/DIEN)
                - [DISN](ch02/ch2.2/ch2.2.4/DSIN)
                - BST
            - 2.2.5 多任务学习
                - SharedBottom
                - ESSM
                - [MMOE](ch02/ch2.2/ch2.2.5/MMOE)
                - PLE
    - 第三章 推荐系统实战
        - 3.1 天池入门赛-新闻推荐
            - [3.1.1 赛题理解&Baseline](ch03/ch3.1/markdown/ch3.1.1)
            - [3.1.2 数据分析](ch03/ch3.1/markdown/ch3.1.2)
            - [3.1.3 多路召回](ch03/ch3.1/markdown/ch3.1.3)
            - [3.1.4 特征工程](ch03/ch3.1/markdown/ch3.1.4)
            - [3.1.5 排序模型&模型融合](ch03/ch3.1/markdown/ch3.1.5)
        - 3.2 新闻推荐系统的实践
            - 3.2.1 离线物料系统的构建
                - [Mysql](ch03/ch3.2/3.2.1.1)
                - [MongoDB](ch03/ch3.2/3.2.1.2)
                - [Redis](ch03/ch3.2/3.2.1.3)
                - [Scrapy](ch03/ch3.2/3.2.1.4)
                - [自动化构建用户及物料画像](ch03/ch3.2/3.2.1.5)
            - 3.2.2 前后端基础及交互
                - [前端基础及Vue实战](ch03/ch3.2/3.2.2.1)
                - [flask简介及基础](ch03/ch3.2/3.2.2.2)
                - [前后端交互](ch03/ch3.2/3.2.2.3)
            - [3.2.3 推荐系统流程的构建](ch03/ch3.2/3.2.3)
            - 3.2.4 召回
                - 热度召回
                - 地域召回
                - [YouTubeDNN召回](ch03/ch3.2/3.2.4.3)
                - [DSSM召回](ch03/ch3.2/3.2.4.4)
            - 3.2.5 DeepFM排序
            - 3.2.6 规则与重排
            - 3.2.7 任务调度与监控
            - 3.2.8 当前问题汇总
                - [熟悉推荐系统基本流程问答整理](ch03/ch3.2/3.2.8.1)
                - [数据库的基本使用问答整理](ch03/ch3.2/3.2.8.2)
                - [离线物料系统的构建问答整理](ch03/ch3.2/3.2.8.3)
    - 第四章 推荐系统算法面经
        - [4.1 ML与DL基础](ch04/ch4.1)
        - [4.2 推荐模型相关](ch04/ch4.2)
        - [4.3 热门技术相关](ch04/ch4.3)
        - [4.4 业务场景相关](ch04/ch4.4)
        - [4.5 HR及其他](ch04/ch4.5)