推荐系统遇上深度学习系列：
推荐系统遇上深度学习(一)--FM模型理论和实践：https://www.jianshu.com/p/152ae633fb00
推荐系统遇上深度学习(二)--FFM模型理论和实践:https://www.jianshu.com/p/781cde3d5f3d
推荐系统遇上深度学习(三)--DeepFM模型理论和实践：
https://www.jianshu.com/p/6f1c2643d31b
推荐系统遇上深度学习(四)--多值离散特征的embedding解决方案：https://www.jianshu.com/p/4a7525c018b2
推荐系统遇上深度学习(五)--Deep&Cross Network模型理论和实践：
https://www.jianshu.com/p/77719fc252fa
推荐系统遇上深度学习(六)--PNN模型理论和实践：https://www.jianshu.com/p/be784ab4abc2
推荐系统遇上深度学习(七)--NFM模型理论和实践：
https://www.jianshu.com/p/4e65723ee632
推荐系统遇上深度学习(八)--AFM模型理论和实践：
https://www.jianshu.com/p/83d3b2a1e55d
推荐系统遇上深度学习(九)--评价指标AUC原理及实践：
https://www.jianshu.com/p/4dde15a56d44
推荐系统遇上深度学习(十)--GBDT+LR融合方案实战
https://www.jianshu.com/p/96173f2c2fb4
推荐系统遇上深度学习(十一)--神经协同过滤NCF原理及实战
https://www.jianshu.com/p/6173dbde4f53
推荐系统遇上深度学习(十二)--推荐系统中的EE问题及基本Bandit算法
https://www.jianshu.com/p/95b2de50ce44
推荐系统遇上深度学习(十三)--linUCB方法浅析及实现
https://www.jianshu.com/p/e0e843d78e3c
推荐系统遇上深度学习(十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
https://www.jianshu.com/p/c0384b213320
https://www.jianshu.com/p/4dfce7949fce
推荐系统遇上深度学习(十五)--强化学习在京东推荐中的探索
https://www.jianshu.com/p/b9113332e33e
推荐系统遇上深度学习(十六)--详解推荐系统中的常用评测指标
https://www.jianshu.com/p/665f9f168eff
推荐系统遇上深度学习(十七)--探秘阿里之MLR算法浅析及实现
https://www.jianshu.com/p/627fc0d755b2
推荐系统遇上深度学习(十八)--探秘阿里之深度兴趣网络(DIN)浅析及实现
https://www.jianshu.com/p/73b6f5d00f46
推荐系统遇上深度学习(十九)--探秘阿里之完整空间多任务模型ESSM
https://www.jianshu.com/p/35f00299c059
推荐系统遇上深度学习(二十)--贝叶斯个性化排序(BPR)算法原理及实战
https://www.jianshu.com/p/ba1936ee0b69
推荐系统遇上深度学习(二十一)--阶段性回顾
https://www.jianshu.com/p/99e8f24ec7df
推荐系统遇上深度学习(二十二)--DeepFM升级版XDeepFM模型强势来袭！
https://www.jianshu.com/p/b4128bc79df0
推荐系统遇上深度学习(二十三)--大一统信息检索模型IRGAN在推荐领域的应用
https://www.jianshu.com/p/d151b52e57f9
推荐系统遇上深度学习(二十四)--深度兴趣进化网络DIEN原理及实战
https://www.jianshu.com/p/6742d10b89a8
推荐系统遇上深度学习(二十五)--当知识图谱遇上个性化推荐
https://www.jianshu.com/p/6a5e796499e8
推荐系统遇上深度学习(二十六)--知识图谱与推荐系统结合之DKN模型原理及实现
https://www.jianshu.com/p/2e3cade31098
推荐系统遇上深度学习(二十七)--知识图谱与推荐系统结合之RippleNet模型原理及实现
https://www.jianshu.com/p/c5ffaf7ed449
推荐系统遇上深度学习(二十八)--知识图谱与推荐系统结合之MKR模型原理及实现
https://www.jianshu.com/p/af5226c7fbbb
推荐系统遇上深度学习(二十九)--协同记忆网络理论及实践
https://www.jianshu.com/p/3e80d8426f7f
推荐系统遇上深度学习(三十)--深度矩阵分解模型理论及实践
https://www.jianshu.com/p/63beb773f100
推荐系统遇上深度学习(三十一)--使用自注意力机制进行物品推荐
https://www.jianshu.com/p/9eb209343c56
推荐系统遇上深度学习(三十二)--《推荐系统实践》思维导图
https://www.jianshu.com/p/bbcec0dca4c9
推荐系统遇上深度学习(三十三)--Neural Attentive Item Similarity Model
https://www.jianshu.com/p/c695808100c7
推荐系统遇上深度学习(三十四)--YouTube深度学习推荐系统
https://www.jianshu.com/p/8fa4dcbd5588
推荐系统遇上深度学习(三十五)--强化学习在京东推荐中的探索(二)
https://www.jianshu.com/p/fae3736e0428
推荐系统遇上深度学习(三十六)--Learning and Transferring IDs Representation in E-commerce
https://www.jianshu.com/p/285978e29458
推荐系统遇上深度学习(三十七)--基于多任务学习的可解释性推荐系统
https://www.jianshu.com/p/5029ed9b34ca
推荐系统遇上深度学习(三十八)--CFGAN:一种基于GAN的协同过滤推荐框架
https://www.jianshu.com/p/c6d7d50a5049
推荐系统遇上深度学习(三十九)-推荐系统中召回策略演进
https://www.jianshu.com/p/ef3caa5672c8
推荐系统遇上深度学习(四十)-SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS
https://www.jianshu.com/p/9a4b3791fda2
推荐系统遇上深度学习(四十一)-Improved Recurrent Neural Networks for Session-based Recommendations
https://www.jianshu.com/p/e73f47050e0a
推荐系统遇上深度学习(四十二)-使用图神经网络做基于会话的推荐
https://www.jianshu.com/p/9186b2e40178
推荐系统遇上深度学习(四十三)-考虑用户微观行为的电商推荐
https://www.jianshu.com/p/c3bf6402ce6a
推荐系统遇上深度学习(四十四)-Airbnb实时搜索排序中的Embedding技巧
https://www.jianshu.com/p/01a762acdc6d
推荐系统遇上深度学习(四十五)-探秘阿里之深度会话兴趣网络DSIN
https://www.jianshu.com/p/82ccb10f9ede
推荐系统遇上深度学习(四十六)-阿里电商推荐中亿级商品的embedding策略
https://www.jianshu.com/p/229b686535f1
推荐系统遇上深度学习(四十七)-TEM:基于树模型构建可解释性推荐系统
https://www.jianshu.com/p/1f78ac6d3190
推荐系统遇上深度学习(四十八)-BST:将Transformer用于淘宝电商推荐
https://www.jianshu.com/p/caa2d87cb78c
推荐系统遇上深度学习(四十九)-九篇阿里推荐相关论文汇总！
https://www.jianshu.com/p/647669169f98
推荐系统遇上深度学习(五十)-使用强化学习优化用户的长期体验
https://www.jianshu.com/p/b356debb3b4d
推荐系统遇上深度学习(五十一)-谈谈推荐系统中的冷启动
https://www.jianshu.com/p/907d828b50bf
推荐系统遇上深度学习(五十二)-基于注意力机制的用户行为建模框架ATRank
https://www.jianshu.com/p/1fe9c66dac4a
推荐系统遇上深度学习(五十三)-DUPN：通过多任务学习用户的通用表示
https://www.jianshu.com/p/aba30d1726ae
推荐系统遇上深度学习(五十四)-使用GAN搭建强化学习仿真环境
https://www.jianshu.com/p/6215b95972ab
推荐系统遇上深度学习(五十五)-[阿里]考虑时空域影响的点击率预估模型DSTN
https://www.jianshu.com/p/a6a718529d85
推荐系统遇上深度学习(五十六)-[阿里]融合表示学习的点击率预估模型DeepMCP
https://www.jianshu.com/p/ecf649b8791b
推荐系统遇上深度学习(五十七)-[阿里]如何精确推荐一屏物品？
https://www.jianshu.com/p/fc8c87d7c2e5
推荐系统遇上深度学习(五十八)-基于“翻译”的序列推荐方法
https://www.jianshu.com/p/f716110f7b80
推荐系统遇上深度学习(五十九)-FM家族的新朋友FAT-DeepFFM
https://www.jianshu.com/p/08fc0d04fb9e
推荐系统遇上深度学习(六十)-FM家族的新朋友之TransFM
