AI 相关
#######

推荐系统
========

1. 内容推荐
-----------

* [论文, Facebook]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。


* [论文, Google]The Learning Behind Gmail Priority Inbox::

    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。

* Recommender Systems Handbook::

    作者：Francesco Ricci 等
    这本书收录了推荐系统很多经典论文，话题涵盖非常广，
    第三章专门讲内容推荐的基本原理，
    第九章是一个具体的基于内容推荐系统的案例。

2. 近邻推荐
-----------

* [论文, Amazon]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。

* [论文, Daniel Lemire]Slope One Predictors for Online Rating-Based Collaborative Filtering::
  
    Slope One 算法。

* [论文, Badrul Sarwar]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。

3. 矩阵分解
-----------

* [论文, Yehuda Koren]Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model::

    把矩阵分解和近邻模型融合在一起。

* [论文, Steffen Rendle]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。

* [论文, Yifan Hu]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。

* [论文, Yehuda Koren]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。


* [论文, Yehuda Koren]The BellKor Solution to the Netflix Grand Prize

4. 模型融合
-----------

* Adaptive Bound Optimization for Online Convex Optimization
* Ad Click Prediction: a View from the Trenches
* Factorization Machines
* Field-aware Factorization Machines for CTR Prediction
* Practical Lessons from Predicting Clicks on Ads at Facebook
* Wide & Deep Learning for Recommender Systems

5. Bandit 算法
--------------

* A Contextual-Bandit Approach to Personalized News Article Recommendation
* Collaborative Filtering Bandits

6. 深度学习
-----------

* Deep Neural Networks for YouTube Recommendations
* Efficient Estimation of Word Representations in Vector Space
* Item2Vec: Neural Item Embedding for Collaborative Filtering
* Learning Representations of Text using Neural Networks
* Long Short-Term Memory
* An Empirical Exploration of Recurrent Network Architectures

7. 其他实用算法
---------------

* Detecting Near-Duplicates for Web Crawling
* Weighted Random Sampling over Data Streams
* Weighted Sampling Without Replacement from Data Streams

工程篇
------

* Information Seeking-Convergence of Search, Recommendations and Advertising
* Overlapping Experiment Infrastructure- More, Better, Faster Experimentation
* TencentRec：Real-time Stream Recommendation in Practice