Table of contents

• 广告业务
• 模型工程
• 实时工程
• 用户行为建模
• 多任务建模
• 召回模型
• 业界实践
• 框架相关
• Flink 流式系统
• Embedding
• NLP
• C++
• Java
• 算法编程
• 基础知识

广告业务

• [x] 谷歌的广告业务是如何赚钱的？郄小虎Tiger - 知乎
• [ ] 搜索引擎公司是如何利用博弈论进行广告位拍卖的？ - 知乎
• [ ] 互联网广告拍卖机制设计
• [ ] 互联网广告拍卖的数学描述及最优拍卖机制设计 - 掘金
• [ ] 从央视到谷歌：聊一聊竞价广告的机制设计 | 爱范儿
• [ ] 为什么 Google 的搜索广告拍卖采用 GSP 机制，而不是 VCG 机制？ - 知乎
• [ ] 广告拍卖机制与点击率预估概述_人工智能_frankie110的专栏-CSDN博客
• [ ] 谈谈广告平台的竞价原理：GFP,GSP,VCG - 知乎
• [ ] GSP — The Cinderella of Mechanism Design

模型工程

• [x] 使用tensorflow c++ api构建线上预测服务 - 篇3 - J.P.Liu's Blog
• [x] 基于TensorFlow Serving的深度学习在线预估 - 美团技术团队
• [ ] 从阿里的User Interest Center看模型线上实时serving方法 - 知乎
• [ ] 如何解决推荐系统工程难题——深度学习推荐模型线上serving？ - 知乎
• [ ] 揭开YouTube深度推荐系统模型Serving之谜 - 知乎

实时工程

• [x] 在线学习在爱奇艺信息流推荐业务中的探索与实践 - InfoQ
• [x] 浅谈流式模型训练体系 - 知乎
• [x] 汽车之家推荐系统排序算法迭代之路 - InfoQ
• [x] Flink 如何支持特征工程、在线学习、在线预测等 AI 场景？-阿里云开发者社区
• [x] 信息流推荐在凤凰新闻的业务实践 - InfoQ
• [x] 实时数据流上的机器学习——Tensorflow on Flink - 知乎
• [x] 蚂蚁金服核心技术：百亿特征实时推荐算法揭秘 - 知乎
• [x] 双12根本不在话下，阿里首次揭秘扛过双11的千亿级特征分布式机器学习平台XPS-阿里云
• [x] 一站式机器学习平台建设实践 - 美团技术团队
• [x] 在线学习（Online Learning）导读 - 知乎
• [ ] 实时个性化推荐介绍
• [ ] 天下武功，唯快不破，论推荐系统的「 实时性」 - 知乎
• [ ] 如何增强推荐系统模型更新的「实时性」？ - 知乎
• [ ] Apache Flink在滴滴的应用与实践

用户行为兴趣

• [x] CTR预估问题没有“银弹”，比模型结构更重要的是什么？ - InfoQ
• [x] 详解阿里之Deep Interest Evolution Network(AAAI 2019) - 知乎
• [ ] 阿里Deep Session Interest Network解读 - 知乎
• [ ] 阿里推荐算法（MIND）：基于动态路由的用户多兴趣网络 - 知乎
• [ ] 如何刻画用户的多样兴趣——MIND network阅读笔记 - 知乎

多任务建模

• [x] 阿里CVR预估模型之ESMM - 知乎
• [x] Youtube 排序系统：Recommending What Video to Watch Next - 知乎
• [x] Multi-task多任务学习在推荐算法中的应用 - 知乎
• [x] 从谷歌到阿里，谈谈工业界推荐系统多目标预估的两种范式 - 知乎
• [ ] 详解谷歌之多任务学习模型MMoE(KDD 2018) - 知乎
• [ ] 多任务学习模型详解：Multi-gate Mixture-of-Experts（MMoE ，Google，KDD2018）
• [ ] 稀疏共享：当多任务学习遇见彩票假设 - 知乎

召回模型

• [ ] 推荐召回算法之深度召回模型串讲 - 知乎
• [ ] 深入理解推荐系统：召回 - 知乎
• [ ] 推荐系统召回四模型之：全能的FM模型 - 知乎
• [ ] TDM介绍 – d0evi1的博客
• [ ] DSSM：深度语义匹配模型（及其变体CLSM、LSTM-DSSM） - 郭耀华 - 博客园
• [ ] 推荐系统与CTR预估， 基于深度学习（一):召回思路及模型串讲 - Nick's Tech Blog

业界实践

• [x] 镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展 - 知乎
• [ ] 揭秘微信"看一看"是如何为你推荐的
• [ ] 热点挖掘技术在微信看一看中的应用
• [x] 深度学习在省钱快报推荐排序中的应用与实践 - InfoQ
• [ ] 美图个性化推送的 AI 探索之路 - InfoQ
• [ ] 深度学习在花椒直播中的应用——推荐系统冷启动算法 - 掘金
• [ ] 算法调研-微信看一看Embedding - 知乎
• [ ] 广告CTR预估中用户行为学习和记忆建模
• [ ] 增加User Memory Embedding的深度点击率预估模型 – Semocean
• [ ] WWW 2020关于深度推荐系统与CTR预估相关的论文
• [ ] CTR预估在动态样式建模和特征表达学习方面的进展
• [ ] 推荐系统遇上深度学习(八十二)-[阿里]可视化分析点击率预估模型 - 简书
• [ ] 推荐系统中的深度匹配模型 - 知乎
• [ ] 推荐系统遇上深度学习(八十一)-[阿里]DMR：Matching和Ranking相结合的点击率预估模型 - 简书
• [ ] 最新边信息推荐系统综述 | Survey on Recommendations with Side Information
• [x] 深入浅出排序学习：写给程序员的算法系统开发实践 - 美团技术团队
• [ ] WWW2020推荐系统论文合集(已分类整理)
• [ ] 谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景 - 知乎
• [ ] DLP-KDD全部文章及资源，覆盖GNN、Graph Emb、Transformer等业界前沿领域 - 知乎
• [ ] 谈谈推荐系统中的用户行为序列建模 - 知乎
• [ ] 图推荐算法在E&E问题上的应用
• [ ] 推荐系统的图方法 - 知乎
• [ ] KDD 19 | DGL教程：Recommender System with GNN
• [ ] 召回算法实践总结 - 知乎
• [ ] 搜索中的 Query 理解及应用
• [ ] 阿里飞猪“猜你喜欢”推荐排序实践
• [ ] 推荐系统中稀疏特征Embedding的优化表示方法

框架相关

• [ ] 机器学习平台 Goblin 的实践 - 知乎
• [ ] 机器学习平台在Kubernetes上的实践 - 知乎
• [ ] 机器学习框架上的一些实践 - 知乎
• [ ] TensorFlow做Sparse Machine Learning - 知乎
• [ ] 极简入门TensorFlow C++源码 - 知乎
• [ ] 极简入门TensorFlow 内存管理 - 知乎
• [ ] 大白话讲nnvm - 知乎
• [ ] ps-lite代码解析 - 知乎
• [ ] 分布式训练的方案和效率对比 - 知乎
• [ ] 分布式机器学习框架与高维实时推荐系统

Flink 流式系统

• [ ] zhisheng17/flink-learning 含 Flink 入门、概念、原理、实战、性能调优、源码解析等内容
• [ ] 评:Streaming System(简直炸裂,强势安利) - 知乎
• [ ] 端到端一致性,流系统Spark/Flink/Kafka/DataFlow对比总结(压箱宝具呕血之作) - 知乎
• [ ] pythonbooks/Streaming Systems

Embedding

• [ ] 图表示学习Graph Embedding综述
• [ ] Embedding技术在58同城推荐中的应用
• [ ] 全面理解PinSage - 知乎
• [ ] 推荐系统 embedding 技术实践总结 - 知乎

NLP

• [ ] Rethink深度学习中的Attention机制 - 知乎
• [ ] Transformer 在美团搜索排序中的实践 - 美团技术团队
• [ ] Attention机制在深度学习推荐算法中的应用

CPP

• [ ] C++ 编译初步 | 吴良超的学习笔记
• [ ] cmake学习记录 - 知乎
• [ ] makefile 文件的编写 - kzangv - 博客园
• [ ] C++ 基础之引用计数 - 知乎
• [ ] blade-build/user_manual.md at master · chen3feng/blade-build

Java

• [ ] Snailclimb/JavaGuide 一份涵盖大部分Java程序员所需要掌握的核心知识。
• [ ] doocs/advanced-java: 进阶知识完全扫盲：涵盖高并发、分布式、高可用、微服务、海量数据处理等
• [ ] spring-boot-demo
• [ ] Java教程 - 廖雪峰的官方网站

算法编程

• [ ] labuladong/fucking-algorithm: 手把手撕LeetCode题目

基础知识

• [x] 频率学派和贝叶斯学派 - 知乎
• [x] 贝叶斯学派与频率学派有何不同？ - 知乎
• [x] 如何通俗理解 beta 分布？ - 知乎
• [x] CTR预估中的贝叶斯平滑方法（一）原理及实验介绍 - 笨兔勿应 - 博客园
• [x] CTR预估中的贝叶斯平滑方法（二）参数估计和代码实现 - 笨兔勿应 - 博客园
• [x] 转化率（CTR）预测的贝叶斯平滑 - 小平子的专栏 - CSDN博客
• [x] ctr平滑 – d0evi1的博客