fun-rec/docs/_sidebar.md at a0e4e24f9af2ed33a1bba8fe831014e5c67c43e3

new_org/fun-rec

Fork 0

Files

“morningsky” a0e4e24f9a update the position of imgs

2022-05-03 21:48:02 +08:00

4.4 KiB

Raw Blame History

目录
- 第一章推荐系统概述
- 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
      - 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
      - 双塔召回
        
        经典双塔
        
        EBR
        
        Youtube双塔
    - 2.1.3 基于图的召回
      - EGES
      - PinSAGE
    - 2.1.4 基于序列的召回
      - MIND
      - SDM
    - 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
    - 2.2.2 特征交叉
      - FM
      - PNN
      - DCN
      - AutoInt
      - FiBiNet
    - 2.2.3 Wide&Deep系列
      - Wide&Deep
      - NFM
      - AFM
      - DeepFM
      - xDeepFM
    - 2.2.4 序列模型
      - DIN
      - DIEN
      - DISN
      - BST
    - 2.2.5 多任务学习
      - 多任务学习概述
      - ESMM
      - MMOE
      - PLE
- 第三章推荐系统实战
  - 3.1 天池入门赛-新闻推荐
  - 3.2 新闻推荐系统的实践
    - 3.2.0 特别说明(必看)
    - 3.2.1 离线物料系统的构建
    - 3.2.2 前后端基础及交互
    - 3.2.3 推荐系统流程的构建
    - 3.2.4 召回
      - 热度召回
      - 地域召回
      - YouTubeDNN召回
      - DSSM召回
    - 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
- 第四章推荐系统算法面经

4.4 KiB Raw Blame History

4.4 KiB

Raw Blame History