一、基础&综合
1.1基础
1.1.1评价指标
基尼系数介绍与在推荐系统中的应用
NDCG介绍与实现和推荐系统中的应用
AUC的缺陷
深入理解推荐系统：评价指标综述
是不是你的模型又线上线下不一致啦？
1.1.2特征工程
「推荐系统中的特征工程」1. 特征工程基础知识介绍
推荐系统特征工程高级技巧总结
刀工：谈推荐系统特征工程中的几个高级技巧
搜索推荐特征工程必看资料！
推荐系统中特征交叉的一些事儿
数据第一，算法第二
特征为桥梁 | 特征工程中你了解的和不了解的都在这了
推荐系统高阶交叉—DCN,DCN_v2,PNN万文详解
1.1.3开源推荐算法
推荐一个基于TF2.0的推荐算法仓库
基于Pytorch的开源推荐算法库
咚咚咚！你期待的RecBole三期来了！
PyTorch官方发布推荐系统仓库: TorchRec
基于Pytorch的多任务推荐系统开源框架
基于Pytorch的多任务推荐系统工具包发布
搜索与推荐的常用检索引擎：Elasticsearch
1.1.4其他
当推荐系统遇上用户画像：你的画像是怎么来的？
【推荐系统入门】一窥推荐系统的原理
个人思考 | 关于推荐模型的四种模式
论文｜EGES算法原理介绍与应用实战说明
第二期 ：冷启动、模型算法选择、信息茧房、离线实时等
史上最全推荐系统传统算法合集
7种经典推荐算法模型的应用
请问机器学习算法岗中用户增长和推荐系统差别是什么呢？
一文看懂 AB Test 流程规范！
推荐系统的变与不变
从零剖析经典论文GBDT+LR，入门首选
基于个性化Prompt的推荐：推荐系统和NLP的跨界融合
1.2综合
秋枫学习笔记-原创文章整理 秋枫学习笔记
万字入门推荐系统 毛小伟
原创文章索引
【NLP+图神经网络+推荐领域】2020年最新综述性文章推荐
[图神经网络+推荐领域] 最新综述文章
一文了解深度推荐算法的演进
我的推荐系统入门经验～（文末有福利）
KDD2021数据挖掘领域顶会回顾
40多万字的推荐系统与机器学习精品内容整理
视频列表页推荐算法最新研究成果整理分享
IJCAI顶会教程 | 基于GNN的深度推荐系统
Recsys2021 | 推荐系统论文整理和导读
基于深度学习的搜索、推荐、广告系统最全最新论文分享
三大视角，聊聊我眼中的广告系统
CIKM2020 | 最新9篇推荐系统相关论文
推荐系统原理、工程、大厂(Youtube、BAT、TMB)架构干活分享
深度学习推荐系统、CTR预估工业界实战论文整理分享
【综述专栏】传统推荐方法相关论文和代码
一文梳理深度学习算法演进
推荐系统学习资料 v1.0
校招搜推广前沿知识点全梳理
推荐系统(十三) 推荐算法综述类文章梳理(上)
推荐系统(十四) 推荐算法综述类文章梳理(下)
KDD2021推荐系统论文集锦
推荐系统论文集锦
最新推荐系统论文速递
WWW2021 | 知识图谱、推荐系统论文集锦
安利10个开源推荐系统
1.3其他进展
一文梳理推荐系统中的特征交互排序模型
聊聊推荐系统的高阶特征交叉问题
推荐系统的发展与简单回顾
基于双塔结构的推荐模型总结
推荐系统中模型自适应相关技术梳理总结
推荐系统实践：从多领域优化到AutoML框架
个性化商品搜索相关研究梳理
GraphCTR特征交互新路线 | 一文梳理基于Graph的特征交互在CTR预估中的应用
业界总结 | 如何改进双塔模型，才能更好的提升你的算法效果？
主流推荐与垂类推荐技术的发展与延伸
深度学习在 Airbnb 中的探索与应用
推荐系统中对抗性机器学习-文献综述与未来发展整理分享
DSSM双塔模型及其Pytorch实现
YouTube采样修正的双塔模型论文精读
【万字干获】阿里妈妈搜索推荐广告预估模型2021思考与实践
FTRL
在线学习方法FTRL原理与实现
《文章推荐系统》系列之基于 FTRL模型的在线排序
推荐系统经典面试题（附答案和解析）！
推荐系统——谈一谈在线学习和FTRL
LR+FTRL算法原理以及工程化实现
FTRL(Follow-the-regularized-Leader)
二、召回&排序&CTR&实践
2.1召回
推荐中的召回算法—总结串讲 推荐广告算法小木屋
双塔召回模型的前世今生（上篇） 推荐广告算法小木屋
双塔召回模型的前世今生（下篇） 推荐广告算法小木屋
推荐系统技术演进趋势：召回->排序->重排
推荐系统技术演进趋势：召回篇
重磅整理！推荐系统之深度召回模型综述（PART I） NewBeeNLP
重磅整理！推荐系统之深度召回模型综述（PART II） NewBeeNLP
重磅整理！推荐系统之深度召回模型综述（PART III）
深入理解推荐系统：召回
召回模型中的负样本构造
推荐系统全链路（1）召回 粗排 精排，如何各司其职
推荐系统全链路（3）召回粗排精排-级联漏斗下篇
召回 粗排 精排，如何各司其职？
推荐系统多兴趣召回最新进展
阿里飞猪个性化推荐：召回篇
召回算法和工程协同优化的若干经验
深度召回在招聘推荐中的挑战和实践
淘宝搜索中基于embedding的召回
阿里深度树匹配召回体系演进
百度搜索召回调研
模型化召回在陌陌社交推荐的应用和探索
业界分享 | 深度学习下的京东搜索召回技术
王晓伟：图神经网络在快手推荐召回中的应用和挑战
全民K歌内容挖掘与召回
业界分享 | 图神经网络在快手推荐召回中的应用和挑战
「工业实践」在内容推荐场，阿里是如何用GNN做召回的？
2.2排序
工业界粗排扮演的角色和算法发展历程 搜素与推荐Wiki
推荐系统技术演进趋势：排序篇 NewBeeNLP
深入理解推荐系统：排序
推荐系统中的排序学习
推荐系统全链路（2）召回粗排精排-级联漏斗上篇
浅谈问答系统（精排篇）
「精排层」经典排序模型
简单复读机LR如何成为推荐系统精排之锋？
拍不完的脑袋：推荐系统打压保送重排策略
【实践】快手推荐系统精排模型实践.pdf（附下载链接）
【实践】重排序在快手短视频推荐系统中的演进.pdf（附下载链接）
知识蒸馏在推荐精排中的应用与实践
业界分享 | 京东推荐算法精排技术实践
深度排序模型在淘宝直播的演进与应用
【实践】GPU在外卖场景推荐系统精排模型预估中的应用实践
腾讯音乐：全民K歌推荐系统架构及粗排设计
阿里粗排技术体系与最新进展
业界分享 | 美团搜索排序实践
异构广告混排在美团到店业务的探索与实践
用Dropout思想做特征选择保证效果,还兼顾了线上性能? 粗排
推荐系统(十五) 大厂实践经验学习：排序模型
【实践】快手推荐系统精排模型实践.pdf（附下载链接）
2.3CTR预测
万字长文梳理CTR预估模型发展过程与关系图谱
互联网大厂CTR预估前沿进展
小白都能懂的推荐算法入门（二），FM为什么强大能代替LR？
鱼水读论文：深度学习与CTR模型综述 #IJCAI2021#
CTR预估在动态样式建模和特征表达学习方面的进展
腾讯CTR建模过程中的实践总结
点击率预估又有新花样？
阿里妈妈 | 2021搜索广告预估模型思考与实践
腾讯CTR建模过程中的实践总结
浅谈 CTR 预估模型发展史
深度学习下的CTR预估综述：交互与建模
一文总览CTR预估模型中网络结构搜索相关的研究进展
【推荐算法】点击率模型特征交叉方向的发展及CAN模型介绍
Learning to Learn: 点击率预测模型与网络结构搜索相结合的研究进展
阿里妈妈搜索广告预估模型2021思考与实践
推荐系统(十二) 门控机制在CTR模型中应用梳理
2.4实践
推荐系统解构
图解抖音推荐算法
用户反馈驱动抖音体验优化实践
图表征学习在美团推荐中的应用
美团点评｜深度学习在推荐中的实践
搜推实战-有内味了！
推荐系统架构与算法流程详解
高并发推荐系统架构设计实践
推荐系统解构
推荐系统架构治理
祝凯文：推荐算法在商业化场景中的探索实践
CCF推荐系统项目代码解读！
大规模图算法在京东广告的实践
【万字干货】美团旅游推荐系统的演进
业界总结 | 如何改进双塔模型，才能更好的提升你的算法效果？
YouTube采样修正的双塔模型论文精读
【干货】深度学习及在推荐中的实践-美团点评.pdf（附下载链接）
广告深度预估技术在美团到店场景下的突破与畅想
屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期
深度学习在阿里B2B电商推荐系统中的实践
腾讯PCG推荐系统应用实践
【实践】微博推荐算法实践与机器学习平台演进.pdf（附PPT下载链接）
深度学习在 Airbnb 中的探索与应用
7种经典推荐算法模型的应用
【实践】因果推断在快手推荐场景的应用探索.pdf（附下载链接）
主流推荐与垂类推荐技术的发展与延伸—飞猪
知乎搜索排序模型的演进
图表征学习在美团推荐中的应用
都是推荐系统，广告算法和推荐算法有啥区别？
王志杰：如何构建好的用户画像？
深入理解YouTube推荐系统算法！
线下指标涨为什么没带来线上指标提升？
信息流推荐的用户增长机制
网易云音乐推荐中的用户行为序列深度建模
【实践】预训练模型在华为信息流推荐中的应用与探索.pdf（附下载链接）
【实践】快手推荐系统精排模型实践.pdf（附下载链接）
找到那些相似的那些人，方法可不止一种
图模型在信息流推荐的原理和实践
【实践】小红书推荐中台实践
赵宏田：用户画像场景与技术实现
GNN在下拉推荐的应用
微信视频号的实时推荐技术架构分享
腾讯QQ看点信息流推荐业务：内容分发场景的多目标架构实践
【实践】对比学习在快手推荐系统中的的应用探索
机器学习在B站推荐系统的应用实践
电影有七宗罪，在线实验有7个经验教训
【干货】基于内容理解的新闻推荐.pdf（附下载链接）
图解抖音推荐算法（布局抖音短视频的可以参考）
TensorFlow技术概览-从建模到部署
三、推荐任务
3.1冷启动
当推荐遇到冷启动
冷启动与多样性的一把利器
新用户冷启推荐技巧总结
初来乍到：帮助新用户冷启的算法技巧
3.2顺序与序列
深入理解推荐系统：十大序列化推荐算法梳理
深入理解推荐系统：阿里之深度会话兴趣网络DSIN
一文梳理序列化推荐算法模型进展
浅谈行为序列建模
结合KDD,SIGIR等顶会论文——浅谈搜索场景与推荐场景中的序列建模
Recsys’21 | 浅谈推荐系统如何在NLP的肩膀上前进
日久见人心：论建模用户长期兴趣的几种姿势
淘宝首页猜你喜欢信息流推荐长序列建模实践
3.3多任务&多目标&多兴趣
多任务学习在推荐系统和自然语言处理领域的总结
2021年浅谈多任务学习
Youtube: 多任务目标推荐
多目标排序在58同城房源推荐中的实践探索
多目标学习(MMOE/ESMM/PLE)在推荐系统的实战经验分享
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
浅谈 多任务学习 在推荐系统中的应用
多目标推荐场景下的深度学习实践
多样化推荐调研
多目标排序在二手房推荐系统的实践探索
推荐算法工程师快速入坑多任务学习
抖快信息流推荐多目标优化经验
多任务学习漫谈：分主次之序
推荐系统多目标优化专题(1)——深入理解推荐系统
多目标排序在快手短视频推荐中的实践
关于多目标任务有趣的融合方式
多任务学习漫谈：以损失之名
深入理解推荐系统：如何多种业务场景合并建模
推荐系统(十六) 大厂实践经验学习：多目标模型
3.4偏差与去偏(Bias&Debias)
survey
Jiawei Chen, Hande Dong, Xiang Wang, et al. Bias and Debias in Recommender System: A Survey and Future Directions[J]. In arXiv 2020
推荐系统Bias与Debias 2020最新综述 By 何向南组
推荐生态中的bias和debias
最新综述：推荐系统的Bias问题和Debias方法
Debiased Recommendation: 推荐系统去偏研究进展概述
paper
Tobias Schnabel, Adith Swaminathan, Ashudeep Singh, et al. Recommendations as Treatments: Debiasing Learning and Evaluation[C]. In ICML 2016.
Summary
浅谈数据中的偏差问题和推荐系统去偏最新研究进展
再度梳理偏差问题 & 推荐系统去偏最新研究进展
搜索、推荐、广告中的曝光偏差问题
聊一聊搜索推荐中的 Position Bias
推荐系统中偏差问题介绍和消除
闲聊推荐系统中的曝光过滤机制
推荐系统Bias大全
推荐系统中的debias算法
赵炜琪：因果推断在快手推荐场景的应用探索
推荐系统中的长尾物品（Tail Items）推荐问题
推荐算法竞赛TOP解决方案汇总
3.5负采样
小白必看：一文读懂推荐系统负采样
Efficient and Effective: 百篇论文概览负采样方法的前世今生
kaggle竞赛中数据抽样方式
负采样，yyds！
3.6迁移学习&跨域推荐
迁移学习与跨域推荐，以及解决跨域推荐的方法
一文梳理跨域推荐研究进展
一文梳理跨域推荐研究进展
跨领域推荐系统综述
他山之石可以攻玉！带你走进跨域推荐系统！
迁移学习之域自适应理论简介（Domain Adaptation Theory）
论文｜一种基于Embedding和Mapping的跨域推荐方法
跨域推荐技术在58部落内容社区的实践
四、推荐技术
4.1嵌入Embedding
3W字梳理! 推荐系统中的Embedding
Embedding 技术在推荐系统中的应用实践
特征工程｜四种主流的embedding特征技术
苏永浩：Embedding技术在商业搜索与推荐场景的实践
Embedding技术在商业搜索与推荐场景的实践
Hulu在Content Embedding的探索与实践
推荐系统中常用的embedding方法
4.2预训练
4.3 元学习
千人千模：基于meta-learning的广告算法新范式
纯干货-Zero / Few-shot Learning最新研究进展整理分享
一文通俗讲解元学习（Meta-Learning）
一文解读元学习研究进展
4.4 因果推断
周玉驰：因果分析在贝壳的探索实践
硬核分享 || 积分梯度：一种归因分析方法
清华崔鹏 | 因果推断发展、思考和推荐系统应用
机器学习视角下的因果推断
谈谈贝叶斯网络
经验谈：因果推断会是下一个AI热潮吗？
4.5 联邦学习
一文梳理联邦学习推荐系统研究进展
RSPapers | 基于隐私保护的推荐系统论文合集
4.6 知识蒸馏
基于知识蒸馏的推荐系统调研
蒸馏技术在推荐工业界模型中的应用
推荐系统里，可以用蒸馏吗？
Knowledge Distillation | 知识蒸馏经典解读
知识蒸馏 | 综述: 网络结构搜索应用
4.7 多模态
多模态推荐系统最新进展总结
十篇文章速览多模态推荐系统的最新进展
4.8 强化学习
推荐系统中的探索和利用问题
图推荐算法在探索与利用（Exploration&Exploitation）问题上的应用
Bandit算法学习与总结（一）
【强化学习】深度强化学习入门介绍
基于强化学习的推荐系统相关研究进展、经典论文整理分享
赵鑫：强化学习在京东广告序列推荐中的应用
五、学习路线与心得
干货！推荐算法工程师学习路线及工作指南
推荐系统工程师技能树，附字节跳动推荐算法工程师内推
关于推荐算法工程师大家比较关注的几个问题
推荐系统领域开源项目/工具介绍
【回顾】推荐系统工程师技能树
有粉丝想转行推荐系统，我的一些看法
推荐领域方向，深度学习真的比不过GBDT模型吗？
技术经理眼中的从零搭建推荐体系—全链路
阿里广告全链路联动：面向最终目标的全链路一致性建模
阿里妈妈广告: 面向最终目标的全链路一致性建模
TensorFlow在推荐系统中的分布式训练优化实践
心得
对自己深度学习方向的论文有idea，可是工程实践能力跟不上，实验搞不定怎么办？
推荐算法竞赛TOP解决方案汇总
2022搜狐校园算法大赛来了（情感分析、推荐排序方向）
](https://mp.weixin.qq.com/s/LTbU7fIOEY_DVk0AsVCKqQ)
[
](https://mp.weixin.qq.com/s/4TLvxSxyzY2GMji4GNb-ug)
[
](https://mp.weixin.qq.com/s/4BQHVDnDb_7ZDD5ATtho5Q)
[
](https://mp.weixin.qq.com/s/athCWRIJu3vXeqfp0CirSA)
[
](https://mp.weixin.qq.com/s/X-oTjLqVZDikdH4Np0UXEA)
[
若有收获，就点个赞吧
0 人点赞
