BYR Achieve · 镜像论坛

本篇文章是对公众号《机器学习与推荐算法》历史文章的汇总以及对干货内容的梳理，力争把最全面的干货与最完整的知识体系以最清晰的方式呈现给大家，希望大家能够精准快速地获取到自己想学习的内容，尽到一个干货推荐系统应尽的职责。 1 公众号特点本公众号擅长以通俗易懂的方式来讲解领域基础知识，比如一文搞懂反向传播以及一文搞懂逻辑回归周边；擅长以独特的视角将知识点凝练为知识串，帮你在心中快速搭建知识体系。比如推荐系统之矩阵分解家族、当推荐系统邂逅深度学习以及社会化推荐浅谈。总之，希望能够以通俗易懂的文字帮你入门，以完整的知识链助你提高。 2 公众号定位说到公众号定位，旨在为想了解推荐系统和机器学习的同学们提供一个快速入门的平台。专注于分享经典的推荐技术，致力于传播基础的机器学习、深度学习、数据挖掘、社交网络分析等方面的知识。不仅追踪学术界的前沿动态，还会分享一些工业界的经典技术架构，使大家对于推荐以及机器学习技术有一个全面的了解。 Slogan：写有深度、有温度的内容，建互帮互助的RS/ML Community！ 3 历史文章精选这里罗列一些往期的精选文章，主要包括推荐资源分享、总结性质的文章、精选推荐论文解读以及顶会论文聚焦等。 3.1 推荐资源分享整理推荐系统与机器学习相关资源供大家学习交流，包括但不限于数据集、比赛、论文等。比如：推荐系统干货总结带你认识推荐系统全貌的论文清单 2020 ML/DM/RS方向会议时间表(全面整理) 世界读书日 | 我的书籍清单推荐 3.2 总结性质文章不定期分享一些关于推荐系统、机器学习方面总结性质的文章，旨在给大家一个较为全面的知识框架。比如：推荐系统从入门到接着入门当推荐系统邂逅深度学习推荐系统之矩阵分解家族一文搞懂反向传播由Logistic Regression所联想到的... 关于推荐系统中协同过滤模型的思考推荐系统领域中那些巧妙运用的idea 社会化推荐浅谈知乎推荐算法工程师面经极大似然估计与最大后验概率估计网络表示学习概述 3.3 精选论文推荐理想情况下，会定期分享经典的或者前沿的推荐系统相关的文章，供大家在碎片化的时间阅读，主要是以论文笔记的形式呈现。经典在于复习巩固，前沿在于拓展视野。比如：最新图学习推荐系统综述最新边信息推荐系统综述最新推荐系统论文速递在家无聊？16篇最新推荐系统论文送你 3.4 顶会论文聚焦定期整理顶会关于推荐系统、机器学习相关的文章、并用心总结最新的发展趋势，供大家学习交流。比如： WWW2020推荐系统论文合集 AAAI2020推荐系统论文集锦 IJCAI'19最新推荐系统论文分享 WWW2020 | 一种未来数据辅助训练的会话推荐方法 3.5 好文好物分享不得不承认，这个世界上美好的东西太多，我们应该善于去发现并乐于分享。因此偶尔也会分享一些大牛写的经典文章以及推荐利于我们科研办公的工具等，比如：推荐算法三视角: 矩阵, 图, 时间线推荐系统召回模型之：全能的FM模型陈天奇：机器学习科研的十年推荐系统结合知识图谱简单总结以上，关注【机器学习与推荐算法】公众号即可上车，奉上二维码，谨防迷路。 http://mmbiz.qpic.cn/mmbiz_jpg/gUs5jjsU4qP3iaibhMIHIbkvbfiabFqQ0Cuv0JCvk55LWp3QpTKfjUWT29eclyiaib1WFWOxPWOSf0R9NfDwBV6m55g/640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1 扫描上方二维码（ML、DM、RS爱好者，欢迎关注！） 4 资源大放送来而不往非礼也，来而空手回非礼也。下面你将看到的是小磊呕心沥血整理的推荐系统相关资源，可能真的是史上最全的推荐系统学习资料了，内容涵盖精选论文集、学习笔记、算法实现集合、经典书籍集合以及常用数据集大礼包。精选论文（RSPapers）后台回复关键字【论文】，即可获得推荐系统领域11大类超200篇经典文献，场景涉及主流的推荐算法、社会化推荐算法、基于深度学习的推荐系统（包括目前较火的GCN网络）以及关于专门处理冷启动问题的相关论文、推荐中的哈希、POI推荐、可解释性推荐以及推荐当中的探索与利用问题和基于知识图的推荐、基于CTR的推荐等。助你在推荐细分领域快速了解前人工作，好站在巨人的肩膀上班门弄斧。学习笔记（MLNotes）后台回复关键字【笔记】，即可获取Coursera上吴恩达老师关于机器学习课程笔记，笔记干货满满，长达93页，中文阅读，适合入门。算法实现（RSAlgorithms）后台回复关键字【算法】，即可获得近年来经典推荐系统算法的python实现，助你快速上手，早日成为算法大神。经典书籍（RSBooks）后台回复关键字【书籍】，即可获得近年来推荐系统领域值得一读、广受好评的书籍材料，使你徜徉书海无法自拔。数据集（RSDatasets）后台回复关键字【数据】，即可获得用于推荐系统算法所使用的常见数据集，毕竟数据是新的石油，有了数据，就有了希望与爱。志合者，不以山海为远，故跋涉而有游集。机器学习与推荐算法，期待与你相遇！ http://mmbiz.qpic.cn/mmbiz_jpg/gUs5jjsU4qP3iaibhMIHIbkvbfiabFqQ0Cuv0JCvk55LWp3QpTKfjUWT29eclyiaib1WFWOxPWOSf0R9NfDwBV6m55g/640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1 扫描上方二维码（别愣着了，快扫我吧！）

可能是史上最全推荐系统资料了（吐血整理，建议收藏）