awesome-recommender-systems
github.com/gaolinjie/awesome-recommender-systems ↗A curated list of awesome resources about Recommender Systems.
Use this list with your AI agent
Add the Context Awesome MCP server to Claude, Cursor, or any MCP client, then ask:
"Show me youtube resources from awesome-recommender-systems"
Installation instructions →What's inside
YouTube
58
常见架构
- Activity Feeds Architecture
本文非常详细地介绍了社交动态信息流的架构设计细节。 - 2011
模型融合
- Adaptive Bound Optimization for Online Convex Optimization
FTRL 是 CTR 预估常用的优化算法，本文介绍 FTRL 算法原理。 - 2010
- Ad Click Prediction: a View from the Trenches
FTRL 工程实现解读。 - 2013
- Factorization Machines
提出 FM 模型的论文，FM 用于 CTR 预估。 - 2010
- Field-aware Factorization Machines for CTR Prediction
FFM 模型，用于 CTR 预估。 - 2016
- Practical Lessons from Predicting Clicks on Ads at Facebook
提出了 LR + GBDT 的 CTR 预估模型。 - 2014
- Wide & Deep Learning for Recommender Systems
提出融合深度和宽度模型的Wide&Deep 模型，用于 CTR 预估。 - 2016
Embedding
近邻推荐
- Amazon.com recommendations: item-to-item collaborative filtering
介绍 Amazon 的推荐系统原理，主要是介绍 Item-Based 协同过滤算法。 - 2001
- Collaborative Recommendations Using Item-to-Item Similarity Mappings
是的，Amazon 申请了 Item-Based 算法的专利，所以如果在美上市企业，小心用这个算法。 - 1998
- Item-Based Collaborative Filtering Recommendation Algorithms
GroupLens 的研究团队对比了不同的 Item-to-Item 的推荐算法。 - 2001
- Recommender Systems Handbook（第 4 章）
第四章综述性地讲了近邻推荐，也就是基础协同过滤算法。 - 2010
- Slope One Predictors for Online Rating-Based Collaborative Filtering
Slope One 算法。 - 2007
内容推荐
- Bag of Tricks for Efficient Text Classification
Facebook 开源的文本处理工具 fastText 背后原理。可以训练词嵌入向量，文本多分类，效率和线性模型一样，效果和深度学习一样，值得拥有。 - 2016
- LDA 数学八卦
由浅入深地讲解 LDA 原理，对于实际 LDA 工具的使用有非常大的帮助。 - 2013
- The Learning Behind Gmail Priority
介绍了一种基于文本和行为给用户建模的思路，是信息流推荐的早期探索，Gmail 智能邮箱背后的原理。 - 2010
- 文本上的算法
介绍了文本挖掘中常用的算法，及基础概念。内容涉及概率论，信息论，文本分类，聚类，深度学习，推荐系统等。 - 2016
矩阵分解
- BPR- Bayesian Personalized Ranking from Implicit Feedback
更关注推荐结果的排序好坏，而不是评分预测精度，那么 BPR 模型可能是首选，本篇是出处。 - 2012
- Collaborative Filtering for Implicit Feedback Datasets
不同于通常矩阵分解处理的都是评分数据这样的显式反馈，本文介绍一种处理点击等隐式反馈数据的矩阵分解模型。 - 2008
- Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model
把矩阵分解和近邻模型融合在一起。 - 2008
- Matrix Factorization and Collaborative Filtering
从 PCA 这种传统的数据降维方法讲起，综述了矩阵分解和协同过滤算法。矩阵分解也是一种降维方法。 - 2013
- Matrix Factorization Techniques For Recommender Systems
本文是大神 Yehuda Koren 对矩阵分解在推荐系统中的应用做的一个普及性介绍，值得一读。 - 2009
- The BellKor Solution to the Netflix Grand Prize
也是一篇综述，或者说教程，针对 Netflix Prize 的。 - 2009
Showing a sample of 93 resources. View the full list on GitHub →