# AlgoNotes **Repository Path**: shine2010/AlgoNotes ## Basic Information - **Project Name**: AlgoNotes - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 1 - **Created**: 2021-09-28 - **Last Updated**: 2021-09-28 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 浅梦的学习笔记 公众号文章汇总 ![visitors](https://visitor-badge.glitch.me/badge?page_id=shenweichen.AlgoNotes) ## 目录 - [排序&CXR预估](#排序CXR预估) - [召回匹配](#召回匹配) - [用户画像&特征工程](#用户画像特征工程) - [精彩讨论&知识沉淀](#精彩讨论知识沉淀) - [推荐搜索综合](#推荐搜索综合) - [计算广告](#计算广告) - [大数据](#大数据) - [图算法](#图算法) - [NLP&CV](#NLPCV) - [求职面试](#求职面试)
公众号：浅梦的学习笔记

 微信：deepctrbot
## 排序&CXR预估 - [CTR预估在动态样式建模和特征表达学习方面的进展](https://mp.weixin.qq.com/s/rD7xAWdT6Ui4cQiCABry4Q) - [[SIGIR2021] StackRec框架：加速训练100层序列推荐模型](https://mp.weixin.qq.com/s/gTInGsPeiqTgQoiK-UrSjA) - [腾讯音乐：全民K歌推荐系统架构及粗排设计](https://mp.weixin.qq.com/s/f61PVZ-2qlVcQE09aImpyg) - [京东搜索在线学习探索实践](https://mp.weixin.qq.com/s/EI4_PQYHIb82Bu8HOhCL6g) - [阿里 at SIGIR’2021 | 粗排模型如何进行性能与效率的权衡](https://mp.weixin.qq.com/s/OlTy3OrHduL9yznQ8M_cXA) - [多目标排序在快手短视频推荐中的实践](https://mp.weixin.qq.com/s/t6jo5R2Q-PKdjJLeoqiGQA) - [深度学习在省钱快报推荐排序中的应用与实践](https://mp.weixin.qq.com/s/c-hbK9eRbK-lrNJNw7RMFw) - [深度学习多目标优化的多个loss应该如何权衡](https://mp.weixin.qq.com/s/RIxxtMqdb6yJKLorg_WjrA) - [IJCAI2020 | 双重样本感知的因子分解机（附代码）](https://mp.weixin.qq.com/s/Erp3P2En_A0pLuWfpB-OaA) - [深度排序模型在淘宝直播的演进与应用](https://mp.weixin.qq.com/s/XcyePFhN1G1rpBrouxTvyQ) - [阿里粗排技术体系与最新进展](https://mp.weixin.qq.com/s/TVCgH_B_d5T0hWuXfgnRQA) - [TensorFlow Estimator 模型从训练到部署](https://mp.weixin.qq.com/s/ZNs0eEOCSR-0HOd5lM3ekg) - [多任务学习在推荐算法中的应用](https://mp.weixin.qq.com/s/4e7gwpP3XHBAMNX9M0nRgw) - [浅谈Learning to Rank中的RankNet和LambdaRank算法](https://mp.weixin.qq.com/s/AWXD21HU8gFSbX6F5fHmtQ) - [线上线下效果一致性杂谈](https://mp.weixin.qq.com/s/Lwnl5W2ZS3CjxrA46yMwyw) - [多目标推荐场景下的深度学习实践](https://mp.weixin.qq.com/s/gY3fIkCjuMOS4iEUlu2Cwg) - [推荐系统中模型训练及使用流程的标准化](https://mp.weixin.qq.com/s/mFWhv6ykGFc6g40GGuzYOQ) - [增量学习在CTR模型训练中的实践](https://mp.weixin.qq.com/s/Fig--BPEu4BQWA29eJS8yQ) - [深度学习技术在美图个性化推荐的应用实践](https://mp.weixin.qq.com/s/w8kHpVFMJp9uS-txsRIiWQ) - [UC 信息流推荐模型在多目标和模型优化方面的进展](https://mp.weixin.qq.com/s/pcykXIVYw9-hvobpcDANyA) - [序列检索系统在淘宝首页信息流重排中的实践（文末下载重排经典论文合集）](https://mp.weixin.qq.com/s/jL6Cp31DG_3H9IK5xEjPQQ) - [大幅提升训练性能，字节提出新型分布式DNN训练架构](https://mp.weixin.qq.com/s/kNX0P5BSFNbxgzMZuI51AQ) - [腾讯FAT | 未来感知的多样化趋势推荐框架](https://mp.weixin.qq.com/s/jvWJuC0O9eVUb-o2PUSe8w) - [推荐系统rerank模型梳理&论文推荐](https://mp.weixin.qq.com/s/Xc38VtbzAzyHL8Idfs4iyA) - [DCN-M：Google提出改进版DCN，用于大规模排序系统的特征交叉学习(附代码)](https://mp.weixin.qq.com/s/0qidwbxyfTkODTw2DIiRWw) - [分类模型与排序模型在推荐系统中的异同分析](https://mp.weixin.qq.com/s/pM2dDVT7gLWbAxxMU011BQ) - [推荐系统中的排序学习](https://mp.weixin.qq.com/s/qQGFthzM5NAwk-8Wpgg_Rg) - [CIKM20 | 阿里MiNet：跨域点击率预估混合兴趣模型](https://mp.weixin.qq.com/s/jkGb_qkfmEOEs030ZRIJIw) - [KDD19 | 微软DeepGBM:使用树蒸馏提升在线预测任务下深度模型效果](https://mp.weixin.qq.com/s/NBVPlFGO12PhMTF0dUL2hw) - [推荐系统rank模块-Online Learning](https://mp.weixin.qq.com/s/eKoFhICd45B8hSsEWXO4Gw) - [IJCAI19 | 推荐系统论文DSIN：Deep Session Interest Network](https://mp.weixin.qq.com/s/kGWiRH6ntSmNTLhAG49AbQ) - [Life-long兴趣建模视角CTR预估模型：Search-based Interest Model](https://mp.weixin.qq.com/s/1bfgx2syzt-ol-Qw3ZO7Yg) - [Ctr 预估之 Calibration](https://mp.weixin.qq.com/s/pWmxVhN77W10UrHgCiffGA) - [AAAI20 | 阿里DMR:融合Match中协同过滤思想的深度排序模型](https://mp.weixin.qq.com/s/48yKFGtV0_Jo4ntGfNUR7w) - [线下auc涨，线上ctr/cpm跌的原因和解决办法 ](https://mp.weixin.qq.com/s/0NnJ4a87sTwJjfcMcEFVjg) - [【视频讲解】DeepCTR中的xDeepFM原理和实现](https://mp.weixin.qq.com/s/t4gwYkw3yoxAwhLGeqsh7g) - [【视频讲解】DeepCTR中的Deep&Cross Net原理和实现 ](https://mp.weixin.qq.com/s/f-cCowZAM5mQbkwFkrC8VA) - [【视频讲解】DeepCTR中的Wide&Deep原理和实现 ](https://mp.weixin.qq.com/s/FQairytK3xqlDG2nDwEY1g) - [【视频讲解】DeepCTR中的DeepFM原理和实现](https://mp.weixin.qq.com/s/Xa9rxEC4IGhaAFRJ5HdPfw) - [常见CTR论文挑刺 ](https://mp.weixin.qq.com/s/4Jbqp0z7y4G5yF4EFJMamw) - [万字长文梳理CTR预估模型发展过程与关系图谱 ](https://mp.weixin.qq.com/s/TEi9SzeKh7YK84oO1v2wFA) - [Evolution of CTR prediction models ](https://mp.weixin.qq.com/s/3CP_CZp8GcDwjluOq1tEVg) - [AAAI19 | 谷歌SNR: 灵活参数共享的多任务学习网络 ](https://mp.weixin.qq.com/s/FN4MjH9AmgfcjnZBHeRAKw) - [CIKM19 | 如何刻画用户的多样兴趣——阿里MIND阅读笔记](https://mp.weixin.qq.com/s/kgkw4INFbcf98gwHUAfimw) - [CIKM19 | Fi-GNN 通过图神经网络建模特征交互作用来进行CTR预测 ](https://mp.weixin.qq.com/s/lVTteAO4zULPcJitfsD8LQ) - [WWW18 | TEM:结合GBDT叶节点嵌入的可解释推荐模型](https://mp.weixin.qq.com/s/SEvfWmaoJKLChRZhlbECIg) - [教你玩转deepctr的FLEN模型& Kaggle Avazu实验对比 ](https://mp.weixin.qq.com/s/EO49-cKEPtEBTrj3GR49yw) - [浅谈流式模型训练体系](https://mp.weixin.qq.com/s/Me1WAMdNaTURwOoYx3djRQ) - [【CTR预估】FLEN: 一种时空高效的利用特征场信息缓解梯度耦合的CTR预测模型 ](https://mp.weixin.qq.com/s/zChpiwv3RCILlaqEKmB8Og) - [【CTR预估】CTR模型如何加入稠密连续型和序列型特征？ ](https://mp.weixin.qq.com/s/ECn5kCrx7WtD0wpuGF_YwQ) - [【CTR预估】你真的需要 pairwise LTR吗？速览搜索推荐中pointwise和pairwise方法 ](https://mp.weixin.qq.com/s/EBRbZebLdLRx5R_ZwQwioA) - [Learning to rank基本算法小结 ](https://mp.weixin.qq.com/s/KDWuTQof-ma36aC1UB_34g) ## 召回匹配 - [模型化召回在陌陌社交推荐的应用和探索](https://mp.weixin.qq.com/s/TqKWhY-rr7l51h2WqG0CQw) - [第四范式自动化推荐系统：搜索协同过滤中的交互函数](https://mp.weixin.qq.com/s/hIGxDMXV3OXOGuLtw38XnA) - [阿里深度树匹配召回体系演进](https://mp.weixin.qq.com/s/2qFFkBUwcS1SqqPxKDhZxQ) - [RALM: 实时 Look-alike算法在微信看一看中的应用](https://mp.weixin.qq.com/s/doCEZLrGjcioVJvxIe7Lgw) - [推荐场景中召回模型的演化过程](https://mp.weixin.qq.com/s/MnH8aEhzFzbzfb4SajjRyg) - [360展示广告召回系统的演进](https://mp.weixin.qq.com/s/s5HMqEmjhklMItpD-p0G8w) - [字节跳动Deep Retrieval召回模型笔记](https://mp.weixin.qq.com/s/u8-iUcrWWVG8uWR5o-Wugg) - [Embedding 技术在民宿推荐中的应用](https://mp.weixin.qq.com/s/yCugvGJw9-6-WLZumtJ-TA) - [EMBEDDING 在大厂推荐场景中的工程化实践](https://mp.weixin.qq.com/s/8Mx8CznNBlJ6adlwXbcHXQ) - [KDD18 | 阿里新一代召回系统TDM读后感](https://mp.weixin.qq.com/s/TgmVBA3SBmCvM8Z2jkjdrw) - [再评Airbnb的经典Embedding论文](https://mp.weixin.qq.com/s/RF3g-6ecfpetbvEfA97YrA) - [推荐系统召回层做离线评估的一种姿势](https://mp.weixin.qq.com/s/ECXz_GyVVsZdDJJeVPq4gA) - [SIGIR20 | 一文综述Learning to Match各种方法对比](https://mp.weixin.qq.com/s/zDGPpwBdQrVOMG3lLjjXOw) - [推荐系统主流召回方法综述](https://mp.weixin.qq.com/s/Kxf_VX8cyN4vvveEPB1mcg) - [一文梳理推荐系统的中 EMBEDDING 的应用实践](https://mp.weixin.qq.com/s/2JuyVJos2RrqGKcVgZRZvA) - [Faiss - 常见问题总结](https://mp.weixin.qq.com/s/Id1XVK86uabbXNRIuqWYLw) - [CIKM18 | CFGAN：基于生成对抗网络的协同过滤框架](https://mp.weixin.qq.com/s/ltkCK0cbNWZjGSHXjaH29w) - [从 Triplet loss 看推荐系统中文章Embedding](https://mp.weixin.qq.com/s/iJwNuaBm7TrEo2FEJPqx4w) - [SDM(Sequential Deep Matching Model)的复现之路](https://mp.weixin.qq.com/s/FRh5iHrd6HfZ4-pF3bRxnw) - [RecSys19 | 谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景 ](https://mp.weixin.qq.com/s/u-W3r0qgSejozdooERW9hg) - [向量化召回在360信息流广告的实践 ](https://mp.weixin.qq.com/s/LDcULfWi3ryYvUVtrp6Q7g) - [DeepMatch ：用于推荐&广告的深度召回匹配算法库 ](https://mp.weixin.qq.com/s/sMSMmobMJ8WLiGxhFWvp0Q) - [【DeepMatch教程】YoutubeDNN在MovieLen1M数据集上进行向量召回 ](https://mp.weixin.qq.com/s/sMSMmobMJ8WLiGxhFWvp0Q) - [KDD19 | 算法调研-微信看一看Embedding ](https://mp.weixin.qq.com/s/TWq5m_E6EUEtCeL7ma6Peg) - [CIKM18 | Ripple Net:融合知识图谱的推荐模型 ](https://mp.weixin.qq.com/s/-pzY_7lsmDzPC-REWp7zKA) - [跨境电商Etsy如何使用交互行为类型进行可解释推荐](https://mp.weixin.qq.com/s/D9-jm4-cwcNjGGOfCyCtZg) - [搜索推荐中的召回匹配模型综述(一)--传统方法 ](https://mp.weixin.qq.com/s/4M1OkxeSC200qhlqequb2w) - [搜索推荐中的召回匹配模型综述(二)--基于表示学习的深度学习方法](https://mp.weixin.qq.com/s/qd_qSdqnxwL55_S55OW3Fg) - [搜索推荐中的召回匹配模型综述(三)--基于匹配函数学习的深度学习方法](https://mp.weixin.qq.com/s/dWvnqp5ZLe4rU_pWH2bnNQ) ## 用户画像&特征工程 - [⾼维特征的哈希技巧总结](https://mp.weixin.qq.com/s/mOTfkA_BIg0tx0p1S4hT1Q) - [SIGIR20 | 超越用户embedding矩阵：用哈希对大型用户建模 ](https://mp.weixin.qq.com/s/h0pK8b82rrerTwzDzOUW7A) - [浅谈电商搜索推荐中ID类特征的统一建模：Hema Embedding解读](https://mp.weixin.qq.com/s/iMU2LPDadmVMgzUifw3-XA) - [用户画像必会的行为偏好计算方法 ](https://mp.weixin.qq.com/s/orT91nj1Xz3Lxe22--PqCw) ## 精彩讨论&知识沉淀 - [学习交流小组精彩内容摘要 No.58](https://mp.weixin.qq.com/s/67ZxmFQC6WXpyOeM3SUARQ) - [学习交流小组精彩内容摘要 No.57](https://mp.weixin.qq.com/s/8aSQ4FMkJmGrJOoWw6Kttg) - [学习交流小组精彩内容摘要 No.56](https://mp.weixin.qq.com/s/A17wAVYro5GPMs3gTIuNgw) - [学习交流小组精彩内容摘要 No.55](https://mp.weixin.qq.com/s/vOUOV1WpezwYHd6Uom92Tw) - [学习交流小组精彩内容摘要 No.54](https://mp.weixin.qq.com/s/1hU9BKI1jdKCoed4Kk_57w) - [学习交流小组精彩内容摘要 No.53](https://mp.weixin.qq.com/s/95gyuFUHUMF_XHwEJ8eoAg) - [学习交流小组精彩内容摘要 No.52](https://mp.weixin.qq.com/s/mPGaPqyCGN9InkLrUfLfOA) - [学习交流小组精彩内容摘要 No.51](https://mp.weixin.qq.com/s/T89yvg7jY-8DqZaa7uIsOA) - [学习交流小组精彩内容摘要 No.50](https://mp.weixin.qq.com/s/HOHcG6wdBMa4Nk4q5f_Buw) - [学习交流小组精彩内容摘要 No.49](https://mp.weixin.qq.com/s/d_KK-NuBWqrZyVCN_UmXxw) - [学习交流小组精彩内容摘要 No.48](https://mp.weixin.qq.com/s/_7uwa5Y2BA1RYeaQIJDsdQ) - [学习交流小组精彩内容摘要 No.47](https://mp.weixin.qq.com/s/bp5ggrOG4ruWicQt9I6jIQ) - [学习交流小组精彩内容摘要 No.46](https://mp.weixin.qq.com/s/-Mx_RfBRQwTN80G0pQFBBw) - [学习交流小组精彩内容摘要 No.44](https://mp.weixin.qq.com/s/HkIFqKcfo8ZlHCw5FDX2bA) - [学习交流小组精彩内容摘要 No.45](https://mp.weixin.qq.com/s/-Mx_RfBRQwTN80G0pQFBBw) - [学习交流小组精彩内容摘要 No.43](https://mp.weixin.qq.com/s/B3kowDCwy6x-0RQijSiHgQ) - [学习交流小组精彩内容摘要 No.42](https://mp.weixin.qq.com/s/DykzQzuH1QTnX-jNylc0gQ) - [学习交流小组精彩内容摘要 No.41](https://mp.weixin.qq.com/s/Ip_gkjPYOSpGc9STFnZBEw) - [学习交流小组精彩内容摘要 No.40](https://mp.weixin.qq.com/s/YPUI1vZYZsavzwJ_rA9piQ) - [学习交流小组精彩内容摘要 No.39](https://mp.weixin.qq.com/s/C_BO0z185w2LY7IsIaNWHA) - [学习交流小组精彩内容摘要 No.38](https://mp.weixin.qq.com/s/QaZs3MrhpfvZhDg9xBTOYw) - [学习交流小组精彩内容摘要 No.37](https://mp.weixin.qq.com/s/FbHH9HqPz9vJIG_rowmbtQ) - [学习交流小组精彩内容摘要 No.36](https://mp.weixin.qq.com/s/iiRKtifgwm4XASDkNInXgw) - [学习交流小组精彩内容摘要 No.35](https://mp.weixin.qq.com/s/gfVb-dAcTDYio1OsCfWcug) - [学习交流小组精彩内容摘要 No.34](https://mp.weixin.qq.com/s/2__kgvMgaNoLIUSp7m2u9w) - [学习交流小组精彩内容摘要 No.33](https://mp.weixin.qq.com/s/rzhXBGJsiHEbVmA-FwYNuw) - [学习交流小组精彩内容摘要 No.32](https://mp.weixin.qq.com/s/RRdOfmDxDeliYNoXLJzVZQ) - [学习交流小组精彩内容摘要 No.31](https://mp.weixin.qq.com/s/HPcKSjRs8uJQx6MtHvwamA) - [学习交流小组精彩内容摘要 No.30](https://mp.weixin.qq.com/s/GhFihsReXsiEA_5S8AxAYQ) - [学习交流小组精彩内容摘要 No.29](https://mp.weixin.qq.com/s/SBpph290DmIuQ02ZNmM7YQ) - [学习交流小组精彩内容摘要 No.28](https://mp.weixin.qq.com/s/mcB7GhlQCbh90DZRwcnoOA) - [学习交流小组精彩内容摘要 No.27](https://mp.weixin.qq.com/s/cchaL9rYnBC2xYWH8jYUfQ) - [学习交流小组精彩内容摘要 No.26](https://mp.weixin.qq.com/s/38Z3UurANovtoaQ0epteeQ) - [学习交流小组精彩内容摘要 No.25](https://mp.weixin.qq.com/s/QWnaS_Uc9KLyj8Bpwg6Uzw) - [学习交流小组精彩内容摘要 No.24](https://mp.weixin.qq.com/s/T-JzLUiANLT1AhakF6qb2g) - [学习交流小组精彩内容摘要 No.23](https://mp.weixin.qq.com/s/dureUyE3SyycP0L0VkPznw) - [学习交流小组精彩内容摘要 No.22](https://mp.weixin.qq.com/s/trNuT-EDSW6zqNVVEgbgzg) - [学习交流小组精彩内容摘要 No.21](https://mp.weixin.qq.com/s/pfw1yeed7hGK-Q6nyGQx-w) - [学习交流小组精彩内容摘要 No.20](https://mp.weixin.qq.com/s/C4A_mmaAFnPZOky382XaSw) - [学习交流小组精彩内容摘要 No.19](https://mp.weixin.qq.com/s/0UUcplCtgd7AGK5JASoKZA) - [学习交流小组精彩内容摘要 No.18](https://mp.weixin.qq.com/s/kUGMR2ty_urF5j8vjGQ_DQ) - [学习交流小组精彩内容摘要 No.17](https://mp.weixin.qq.com/s/AMzOcQyURtnS5axCdYx6UQ) - [学习交流小组精彩内容摘要 No.16](https://mp.weixin.qq.com/s/7qsRtLs4AtmAOrBUHuxf9g) - [学习交流小组精彩内容摘要 No.15](https://mp.weixin.qq.com/s/0McGiE9REhaEz3QoYT7-YQ) - [学习交流小组精彩内容摘要 No.14](https://mp.weixin.qq.com/s/taxzzaYlRHmjW_pPC02vQA) - [学习交流小组精彩内容摘要 No.13](https://mp.weixin.qq.com/s/1XZMAYPHPCGjerA1iJl9Ag) - [学习交流小组精彩内容摘要(06.12-06.18)](https://mp.weixin.qq.com/s/minWDYM8b7Ek-Vb3FPuelw) - [学习交流小组精彩内容摘要(06.09-06.11)](https://mp.weixin.qq.com/s/j6O8KzYWsxW-5fWbyz-hOg) - [学习交流小组精彩内容摘要(06.05-06.08)](https://mp.weixin.qq.com/s/SNmiDDCJiskRlBqLXuV0kg) - [学习交流小组精彩内容摘要(05.31-06.04)](https://mp.weixin.qq.com/s/jvqfxonEBlrrkobHfxZ8PA) - [学习交流小组精彩内容摘要(05.25-05.30)](https://mp.weixin.qq.com/s/uJqY_DYEAwKI0fHA7s8pXg) - [学习交流小组精彩内容摘要(05.21-05.24)](https://mp.weixin.qq.com/s/_pgnB7zioxxX5A_hxV52lw) - [学习交流小组精彩内容摘要(05.18-05.20)](https://mp.weixin.qq.com/s/yaimSlvmG6kseqSLY6hcXQ) - [学习交流小组精彩内容摘要(05.14-05.17)](https://mp.weixin.qq.com/s/dpugb2_3i4M31FWYuFcd5Q) - [学习交流小组精彩内容摘要(05.08-05.13)](https://mp.weixin.qq.com/s/SLafxvWm5izflGJX6qe7vA) - [学习交流小组精彩内容摘要(01.21-02.06)](https://mp.weixin.qq.com/s/mvFv907DiICFV8tTB_9EYA) - [学习交流小组精彩内容摘要(01.13-01.20)](https://mp.weixin.qq.com/s/WjzvyUmOissSSGITS34UZQ) - [学习交流小组精彩内容摘要(01.04-01.12)](https://mp.weixin.qq.com/s/m3Az_8aE9KYbYH5CcOuoyA) ## 推荐搜索综合 - [阿里文娱搜索算法实践与思考](https://mp.weixin.qq.com/s/DjcI3vEflvfWs9cMDX-BkA) - [Bandit算法在携程推荐系统中的应用与实践](https://mp.weixin.qq.com/s/KFrSbRuY7k4fwulqg5go1Q) - [深度学习在阿里B2B电商推荐系统中的实践](https://mp.weixin.qq.com/s/j492S2zvhSTmXX4uYu9fyg) - [如何将知识图谱引入推荐系统？](https://mp.weixin.qq.com/s/knSgjT_aDZ7UMgNHdzcmtw) - [【微软】深度学习推理系统，45页ppt](https://mp.weixin.qq.com/s/8t6YcBj-bNUxPPVIig8-iw) - [如何构建A/B测试系统，其核心功能有哪些？](https://mp.weixin.qq.com/s/68sMYxXu9toLAprG8S0Mmw) - [美图个性化推送的 AI 探索之路](https://mp.weixin.qq.com/s/i-5T_10t40UyYchw3VmZ1A) - [信息流推荐在凤凰新闻的业务实践](https://mp.weixin.qq.com/s/eXYkTzN0nvj15UsiiUPvbQ) - [汽车之家推荐系统排序算法迭代之路](https://mp.weixin.qq.com/s/WPZtHRTm2LbPJgpWkUnOOw) - [WWW21最新「深度学习推荐系统」教程，230页PPT阐述深度强化学习、自动机器学习和GNN在推荐系统应用进展](https://mp.weixin.qq.com/s/UDQlwCva1a4IN0E9s_0Y8Q) - [Query 理解和语义召回在知乎搜索中的应用](https://mp.weixin.qq.com/s/467B2scLH_SOgqByjeI1fQ) - [腾讯信息流内容理解技术实践](https://mp.weixin.qq.com/s/IVmwbFQvNjCz3D_c8qimwQ) - [如何从 0 到 1 构建个性化推荐？](https://mp.weixin.qq.com/s/UjG0eEo9qk4ExO6VZodymA) - [推荐生态中的bias和debias](https://mp.weixin.qq.com/s/4EY8E8LqUsfEGqC3xPSqeg) - [推荐系统应该如何保障推荐的多样性？](https://mp.weixin.qq.com/s/6Zs0nM2HOZFBFsC0PUy_0A) - [浅谈 UC 国际信息流推荐](https://mp.weixin.qq.com/s/ayN6t8buVqN6GLNyWky59A) - [AutoML 在表数据中的研究与应用](https://mp.weixin.qq.com/s/RIoBHE8fopgMVZDYRBazGg) - [推荐系统：石器与青铜时代](https://mp.weixin.qq.com/s/TWEMQL07n7jMJoYecUojww) - [推荐系统衡量：ABtest 框架](https://mp.weixin.qq.com/s/85BBYJRbvpV9CqgYjW9Ayg) - [低频少样本长验证周期场景下的算法设计](https://mp.weixin.qq.com/s/dwptlx8UGNq8-WzEWRLspA) - [基于行列式点过程的推荐多样性提升算法](https://mp.weixin.qq.com/s/9DZvs82Da3kbfuUvpHuIdw) - [推荐系统评价：什么是好的推荐系统](https://mp.weixin.qq.com/s/3DCkAAsl-CO1QmYDZz454A) - [万字长文解读电商搜索——如何让你买得又快又好](https://mp.weixin.qq.com/s/1hc7G4eBSyk-b8Dv4FsYbg) - [工业界推荐系统实用分析技巧](https://mp.weixin.qq.com/s/UUb7esHxhdauAdwNR8TwTQ) - [KDD20 | 推荐系统论文一览](https://mp.weixin.qq.com/s/OIZm5UPv7f-I66vKBgyVEw) - [搜索广告之自动化创意](https://mp.weixin.qq.com/s/ewb9IlqPmQgfXGEUSRNXwQ) - [KDD CUP 2020之Debiasing赛道方案 (Rush)](https://mp.weixin.qq.com/s/Xz505pzM4U8k0vnQjkENrg) - [推荐系统研究中常用的评价指标](https://mp.weixin.qq.com/s/6TDCk0zwE8v-DLwSbk05hQ) - [推荐多样性重排算法之MMR](https://mp.weixin.qq.com/s/7V4b6dPPqBdTfFjDj1gDzw) - [推荐系统技术演进趋势：从召回到排序再到重排](https://mp.weixin.qq.com/s/nHzQM_le5a1POaAtwHMJbw) - [推荐系统的发展与简单回顾](https://mp.weixin.qq.com/s/E11Nm8LlsbKcLIJ82NgzUg) - [万字长文！推荐系统岗面试经验&学习心得](https://mp.weixin.qq.com/s/zf7eRE57vsFxL_jGVdqV9g) ## 计算广告 - [广告算法在阿里文娱用户增长中的实践](https://mp.weixin.qq.com/s/Vt1qwbU0Gsm144vzBxSG9A) - [阿里定向广告智能投放技术体系](https://mp.weixin.qq.com/s/uuLD3tQfDGD3fSsmLonQkA) - [爱奇艺效果广告的个性化探索与实践](https://mp.weixin.qq.com/s/cBZ_XC1dSdp540-Hr1izuw) - [计算广告OCPC实践(四) 如何从0开始建立ocpc业务](https://mp.weixin.qq.com/s/ZSR13P4hWaOIGOs8auv2XA) - [计算广告OCPC实践(三) ocpx效果到底怎么样？从ocpc与ocpm的区别说起](https://mp.weixin.qq.com/s/XPBc3fNXwtRnjBkPw2FrSA) - [Hulu：视频广告系统中的算法实践](https://mp.weixin.qq.com/s/CE7i-EHPt2W84C0HWNx12Q) - [计算广告OCPC算法实践(二) ocpc智能出价PID控制中不同偏差函数特性对比](https://mp.weixin.qq.com/s/TebzhaVgsH1s9cIfCzAb7Q) - [计算广告OCPC算法实践(一) 智能出价PID控制中的偏差与响应函数设计](https://mp.weixin.qq.com/s/xD4tlVXX8w-pMk_JJF-vTA) - [阿里妈妈：品牌广告中的 NLP 算法实践](https://mp.weixin.qq.com/s/Kt70i7s7THU0s6zzALtBfQ) - [《计算广告》学习笔记](https://mp.weixin.qq.com/s/hUK0QN4UFonKJWWwZF-u-Q) - [OCPC 广告算法在凤凰新媒体的实践探索](https://mp.weixin.qq.com/s/bD73FrOE9teRXMD_bIh-JQ) - [计算广告发展历程——从CPC到oCPX](https://mp.weixin.qq.com/s/Sq9iAYi8mCqzFnXdar4aCg) - [百度凤巢新一代广告召回系统——“莫比乌斯”](https://mp.weixin.qq.com/s/kdkz6MOrIo9ih-d1hBBNRg) - [广告出价--如何使用PID控制广告投放成本](https://mp.weixin.qq.com/s/5a5RhhUmaeBjNjerdxmY3g) - [PID控制算法原理（抛弃公式，从本质上真正理解PID控制）](https://mp.weixin.qq.com/s/i8WryZOjMhEMp7Gno3dXcw) - [广告和推荐排序中消除position bias的方法](https://mp.weixin.qq.com/s/WyztaAiciTWoNl5ODFWJyA) - [oCPC：计算广告出价策略](https://mp.weixin.qq.com/s/LgZ3aWlXtvC41mv3ThJPAQ) - [广告点击率CTR修正-Wilson CTR ](https://mp.weixin.qq.com/s/vUwtVwdozsYBV0GI2wWtPg) ## 大数据 - [贝壳一站式大数据开发平台实践](https://mp.weixin.qq.com/s/WPZtHRTm2LbPJgpWkUnOOw) - [Flink如何支持特征工程、在线学习、在线预测等AI场景？](https://mp.weixin.qq.com/s/1RddsscO515zhkJ1X9WBvQ) - [实时数据流计算引擎Flink和Spark剖析](https://mp.weixin.qq.com/s/FX7wFly3CpFEpwWLBlFQeQ) - [Spark 的一些人生经验](https://mp.weixin.qq.com/s/rff5AAd9w85N-MFVxyNKbg) - [大数据kafka理论实操面试题](https://mp.weixin.qq.com/s/847kcDXE-Iq8JXjG_-Fehg) - [Kafka 应用实践与生态集成](https://mp.weixin.qq.com/s/YcLk_5kIoIc1ho6RB7FcpQ) - [Flink 中文社区年度文章合集](https://mp.weixin.qq.com/s/hVfCbiWAwgjAAMmAwNNrVA) ## 图算法 - [图挖掘与多关系学习：工具与应用，亚马逊与CMU-WWW2021教程，附161页ppt](https://mp.weixin.qq.com/s/Fs62rIi5AoXVkM2sSTT7JQ) - [一文直击Graph Embedding图表示学习的原理及应用](https://mp.weixin.qq.com/s/F9zt7eyHxTX7Gp0zpvnfcg) - [【GraphEmbedding】DeepWalk算法原理，实现和应用 ](https://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247484661&idx=1&sn=360ed3d2f4bb9a0d11bbd821e7ede72e&source=41#wechat_redirect) - [【GraphEmbedding】LINE：算法原理，实现和应用 ](https://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247484657&idx=1&sn=2c16508270ebef54000d0b272a348cef&source=41#wechat_redirect) - [【GraphEmbedding】node2vec：算法原理，实现和应用 ](https://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247484653&idx=1&sn=3de60375e524f4d0ef6c84eec01e709b&source=41#wechat_redirect) - [【GraphEmbedding】GraRep：基于矩阵分解的图表示学习](https://mp.weixin.qq.com/s/aD-YbniflGUbgwiUthWNwg) - [【GraphEmbedding】SDNE算法原理，实现和应用 ](https://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247484587&idx=1&sn=12258faf39493f73e1c07523ff8f1145&source=41#wechat_redirect) - [【GraphEmbedding】Struc2Vec算法原理，实现和应用 ](https://mp.weixin.qq.com/s/XcnrbLeXggXiynnzpr657w) - [【GNN】一文读懂图卷积GCN](https://mp.weixin.qq.com/s/dOD0-9oEwoFjvmb5igYSMQ) - [【GNN】GCN 算法原理，实现和应用 ](https://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247484633&idx=1&sn=c1b33d03e05653ab62d14a9fa9c3a108&source=41#wechat_redirect) - [二部图表示学习 | Graph Convolutional Matrix Completion](https://mp.weixin.qq.com/s/hICjiAyzh-Cv6226HMvHAg) - [node2vec随机游走优化思路和代码实现](https://mp.weixin.qq.com/s/n_EveU9G_MRwuSHW5kyWkw) - [【斯坦福CS224W 图与机器学习(1-2)】：图模型基本介绍 ](https://mp.weixin.qq.com/s/wxvFtXeQhjPhTAlDeSMPpA) - [【斯坦福CS224W 图与机器学习 3】：Motifs and Structural Roles](https://mp.weixin.qq.com/s/czfwcklVtLpvONwXZADP0A) - [KDD19 DGL教程：Recommender System with GNN ](https://mp.weixin.qq.com/s/lKLLzzQZfvGRtmCgbnptTQ) - [社交图谱的标签传播算法](https://mp.weixin.qq.com/s/cqEpA-IAzh2Y5Yz0PTU4vA) ## NLP&CV - [复旦邱锡鹏组最新综述：A Survey of Transformers！](https://mp.weixin.qq.com/s/Htq0dwWRp9PmtB5FSgIqHw) - [Transformer的一家！](https://mp.weixin.qq.com/s/qncvDw83hoTCNNEA_soUkA). - [这20个技巧让你的NN训练事半功倍](https://mp.weixin.qq.com/s/wcHdidbk0wZOujKKgh-gTA) - [【论文串讲】从BERT和XLNet到MPNet](https://mp.weixin.qq.com/s/Lnid-DFMI54Tw_oOi37mjA) - [预训练模型系列-通用预训练MASS](https://mp.weixin.qq.com/s/noNrZK8DjQHy0FrSyEWuXA) - [【论文串讲】从GPT和BERT到XLNet](https://mp.weixin.qq.com/s/weargDvogar3fTqSDIM7LQ) - [Transformer 超详细解读，一图胜千言](https://mp.weixin.qq.com/s/6RPxTdDcxJ050oAp34Ofdw) - [【经典精读】Transformer模型深度解读](https://mp.weixin.qq.com/s/Cs0UDQmeqwb3dn1ivawb3w) - [word2vec模型深度解析 ](https://mp.weixin.qq.com/s/yQLL0jkk-q7PHKieF8S0bA) - [NLP与推荐系统的比较、联系与未来 ](https://mp.weixin.qq.com/s/47tGHoeqGWtpRjzRePjZxg) - [知识图谱入门系列](https://mp.weixin.qq.com/s/LTeD9I65q3FIiFymhMhGEA) - [知识图谱基本概念&工程落地常见问题 ](https://mp.weixin.qq.com/s/AJTIkWGspauKgjB3-gdxoA) - [本科生晋升GM记录 & kaggle比赛进阶技巧分享 ](https://mp.weixin.qq.com/s/9gdxH4M_Ud7cq81rSew--g) - [9102年入门GAN的补习 ](https://mp.weixin.qq.com/s/zLyoNQLLLHx8Y_EuDcMwWA) - [快速掌握TensorFlow中张量运算的广播机制](https://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247484662&idx=1&sn=cc69e90edca39539fd4cf17aeea39617&source=41#wechat_redirect) ## 求职面试 - [一年级算法工程师的工作总结](https://mp.weixin.qq.com/s/7qH6iBa6TIpNdSn9npi_sw) - [谈一谈算法工程师的落地能力](https://mp.weixin.qq.com/s/1ivTBtnZGkpyyS0BowKxeA) - [美H1-B签证改革更有利IT公司从全球招聘——聊聊国内如何找美国算法岗工作](https://mp.weixin.qq.com/s/L3OP4ppcQ5w2MIk5x7SivA) - [北美亚麻的故事：金融数学转码农转Applied Scientist](https://mp.weixin.qq.com/s/Oe8KeIGGgTMTHsfhkKY0yA) - [算法小白的学习路线（二）](https://mp.weixin.qq.com/s/6nvQtMn7tyJzdeKLE1RQHA) - [算法小白的学习路线（一）](https://mp.weixin.qq.com/s/tKYPTsRsSJU9w_DTYTGRDw) - [你见过最差的算法工程师能差到什么程度？](https://mp.weixin.qq.com/s/Z9Sczo3jYW7nJolt696slw) - [我的求职经验总结](https://mp.weixin.qq.com/s/tcg2_UlP-hm29Rd5tgARLg) - [求职面试 | 《剑指Offer》Python题解&常考题总结 ](https://mp.weixin.qq.com/s/PdlRCvf0dRlSgkh7cO0pEw) - [非科班如何拿到外企和国内大厂SSP Offer的？](https://mp.weixin.qq.com/s/I3mD5QbixIShti0zKKt5bw) - [实验小师弟的新鲜春招面经(阿里搜索，微信，微软等)](https://mp.weixin.qq.com/s/sw7G6s1cgwWiiX7nTxm_YQ) - [Facebook、AWS、Google、Microsoft面试小记](https://mp.weixin.qq.com/s/Aemb65Id4b_kKMziJF1XKw) - [算法工程师当前选哪个方向好？1，CV；2，NLP；3，推荐系统？](https://mp.weixin.qq.com/s/O8HHeUL0D9-NNB8-MRPbdA) - [番外篇——社招如何拿到心仪公司的offer](https://mp.weixin.qq.com/s/ppx_Y9Gg6FeDyRv9gqgCVw)