推荐算法进阶手册：2大篇章10大模块51份学习资料

作者｜刑无刀

编辑｜Monica

时至今日，推荐系统已然成了一门显学，个性化推荐成了互联网产品的标配。为此，我知道，好学的你肯定在收藏着朋友圈里流传的相关文章，转发着微博上的相关讨论话题，甚至还会不断奔走在各种大小行业会议之间，听着大厂职工们讲那些干货。

但，今天如果你足够幸运，能看到这篇文章，那你就不必如此麻烦地到处找，到处打听，到处参加各类线下活动来获取最前沿最有价值的信息。因为在这里，链家网资深算法专家刑无刀花费 3 个月的时间为你整理了 51 份推荐算法的学习资料，覆盖有“原理篇”、“工程篇”两大篇章，“近邻推荐”、“常见架构”、“深度学习”、“内容推荐”等十大模块，包含Facebook 开源的文本处理工具 fastText 背后原理、YouTube 视频推荐系统在深度神经网络上的尝试、腾讯内部实时推荐系统架构的剖析等等案例。

当然，如果你订阅了极客时间上线的《推荐系统 36 式》，这些资料可能你早已获得并已阅读，获取里面的知识精华。

但现在也不晚，推荐算法入门干货今天都分享给你。

推荐算法入门干货集锦

（刑无刀语）在专栏写作的过程中，我阅读了很多业界公开的资料，我觉得有必要整理出来，供想深入阅读的人继续去找虐。

整体来说，在选择参考文献时，我偏爱那些由公司发表的。因为推荐系统本质上还是一种非常依赖实践的算法应用方向，并且，这些商业公司论文中的技术内容也在他们实际的场景中经过了检验。

原理篇（部分展示）

内容推荐

题目：Bag of Tricks for Efficient Text Classification

类型：论文

作者：Facebook

说明：

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。

题目：The Learning Behind Gmail Priority Inbox

类型：论文

作者：Google

说明：

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。

题目：Recommender Systems Handbook(第三章，第九章)

类型：书

作者：Francesco Ricci 等

说明：

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。

题目：文本上的算法

类型：网络文章 (网络免费版，已有成书《文本上的算法: 深入浅出自然语言处理》，内容更丰富)

作者：路彦雄

说明：

介绍了文本挖掘中常用的算法，及基础概念。内容涉及概率论，信息论，文本分类，聚类，深度学习，推荐系统等。

题目：LDA 数学八卦

类型：网络文章

作者：Rickjin(@靳志辉)

说明：

由浅入深地讲解 LDA 原理，对于实际 LDA 工具的使用有非常大的帮助。

近邻推荐

题目：Amazon.com recommendations: item-to-item collaborative filtering

类型：论文

作者：Amazon

说明：

介绍 Amazon 的推荐系统原理，主要是介绍 Item-Based 协同过滤算法。

题目：Item-Based Collaborative Filtering Recommendation Algorithms

类型：论文

作者：Badrul Sarwar 等

说明：

GroupLens 的研究团队对比了不同的 Item-to-Item 的推荐算法。

……

深度学习

题目：Deep Neural Networks for YouTube Recommendations

类型：论文

作者：Google

说明：

介绍 YouTube 视频推荐系统在深度神经网络上的尝试。能从中看到 wide&deep 模型的影子。

题目：Efficient Estimation of Word Representations in Vector Space

类型：论文

作者：Google

说明：

Word2Vec 的作者在这篇文章中提出了一种词嵌入向量学习方法，也就是把开源工具包 Word2Vec 背后的模型详细介绍了一次。理论上很简单，更多是一些工程技巧的分享。Word2Vec 给推荐系统带来了一种新的隐因子向量学习方法，深陷评分预测泥潭的矩阵分解被开拓了思路。

工程篇（部分展示）

常见架构

题目：Activity Feeds Architecture

类型：演示文稿

作者：Etsy

说明：

本文非常详细地介绍了社交动态信息流的架构设计细节。

题目：Beyond the 5 stars（Netflix Recommendations）

类型：网络文章

作者：Netflix

说明：

Netflix 详细宏观上介绍了自家推荐系统的产品形态，不只是比赛中的评分预测那么简单的。

关键模块

题目：Overlapping Experiment Infrastructure- More, Better, Faster Experimentation

类型：论文

作者：Google

说明：

ABTest 实验平台的扛鼎之作，Google 出品，值得拥有。

题目：TencentRec：Real-time Stream Recommendation in Practice

类型：论文

作者：腾讯

说明：

介绍了腾讯内部的实时推荐系统架构。

……

其他书目

Pattern Recognization and Machine Learning（机器学习基础，有此一本足够了）。

推荐系统实践（国内唯一一本非翻译的推荐系统书籍，入门必选）。

信号与噪声（介绍贝叶斯统计的一本科普书）。

复杂（推荐系统面对的是复杂网络，了解复杂系统和复杂网络的特点，有助于开脑洞）。

信息简史（既然是信息经济，当然要读一本关于信息的历史）。

知道你们不会读的，所以就不推荐太多了。但愿我这个激将法有助于你学习进步。

欢迎大家订阅我的专栏 --《推荐系统 36 式》。山高水长，我们江湖再见。