新的一年好好学习，准备run run run! 操蛋的经历！！！

• 知乎 Microstrong 推荐系统在工业界的N+1条实战经验
• github deepctr 浅梦学习笔记 公众号文章汇总
• 知乎 缄默笔记 推荐系统(十一) 2021-2022年工业界推荐算法实践经验汇总

• 知乎 张俊林 推荐系统召回四模型之：全能的FM模型
• 知乎 石塔西 FM：推荐算法中的瑞士军刀

• 知乎 张俊林 推荐系统召回四模型之二：沉重的FFM模型
• 美团技术团队 深入FFM原理与实践

• 知乎 石塔西 刀功：谈推荐系统特征工程中的几个高级技巧
  • 统计类：用户 -> (对) 物料 -> (在) 时间 -> (进行) 动作 -> (的) 统计对象 -> 统计方法
  • 排序特征：eg 小资文青喜欢的top10电影之一
  • 交叉特征：文中提到了匹配度。加减乘除应该都算特征交叉，例如：
    • DIN里的相减、相乘，见 DeepCTR；
    • BERT里的三个向量相加，见 为什么 Bert 的三个 Embedding 可以进行相加？
  • id类特征是一等公民
  • 连续值特征分桶（某du用到的特征全部进行分桶处理）
• 知乎 砍手豪 探讨特征工程的方法论
  • 直呼文中提到的交叉特征，牛逼，看原文学习下吧 ~
• 知乎 问题 特征工程到底是什么？
• 公众号 腾讯技术工程 浅谈微视推荐系统中的特征工程
• CSDN 京城王多鱼 商品推荐-画像和统计类特征工程
• 美团技术团队 7次KDD Cup&Kaggle冠军的经验分享：从多领域优化到AutoML框架

• 知乎 石塔西 先入为主：将先验知识注入推荐模型

• 知乎 张俊林 知识蒸馏在推荐系统的应用
• 公众号 Microstrong 深度学习中的知识蒸馏技术（上）
• 公众号 Microstrong 深度学习中的知识蒸馏技术(下)-知识蒸馏与推荐系统
• 公众号 爱奇艺技术产品团队 如何提升链路目标一致性？爱奇艺短视频推荐之粗排模型优化历程，另外还包括:
  • 统计特征挖掘，其实挖掘逻辑上遵循石塔西的 刀功：谈推荐系统特征工程中的几个高级技巧；
  • 粗排样本调整：原来是线上真实点展样本。调整为在召回池中随机负采样，精排topk结果作为正样本。

• 知乎 石塔西 少数派报告：谈推荐场景下的对比学习
• 知乎 张俊林 对比学习（Contrastive Learning）:研究进展精要
• 知乎 张俊林 对比学习视角:重新审视推荐系统的召回粗排模型

• 知乎 石塔西 负样本为王：评Facebook的向量化召回算法
• 公众号 蘑菇先生 KDD'21 | 揭秘Facebook升级版语义搜索技术
• CSDN 京城王多鱼 召回负样本采样方法
• 公众号 Microstrong YouTube采样修正的双塔模型论文精读

• 知乎 石塔西 初来乍到：帮助新用户冷启的算法技巧，核心问题：找到更多的信息
• Airbnb ：Topk个相似房源的Embedding均值作为当前房屋的Embedding，衡量房源的相近程度可以采用位置、价格、房源类型等，且要求距离在10英里内。

• 公众号 浅梦学习笔记 多任务学习在推荐算法中的应用
• 公众号 阿里云云栖号 多任务多目标 CTR 预估技术
• 知乎 Recommender 推荐系统中的多任务学习与多目标排序工程实践（上）
• CSDN 文文学霸 [腾讯]RecSys2020最佳长论文-多任务学习模型PLE
  • 另外文中有 共享网络、Asymmetry Sharing、Customized Sharing、MMOE等网络结构的介绍
  • 代码可参考：deepctr_models_multitask_ple.py

• CSDN 废柴当自强 一文读懂BERT(原理篇)
• CSDN 京城王多鱼 ERNIE模型系列