AI 相关¶

推荐系统¶

[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。

[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。
```

[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。