本篇文章是對公眾號《機器學習與推薦算法》歷史文章的匯總以及對干貨內容的梳理，力爭把最全面的干貨與最完整的知識體系以最清晰的方式呈現給大家，希望大家能夠精準快速地獲取到自己想學習的內容，盡到一個干貨推薦系統(tǒng)應盡的職責。

?1???歷史文章精選

這里羅列一些往期的精選文章，主要包括推薦資源分享、總結性質的文章、精選推薦論文解讀以及頂會論文聚焦等。

?推薦資源分享

整理推薦系統(tǒng)與機器學習相關資源供大家學習交流，包括但不限于數據集、比賽、論文等。比如：

• 推薦系統(tǒng)干貨總結

• 入門推薦系統(tǒng)，這25篇綜述文章足夠了

• 2020 ML/DM/RS方向會議時間表整理

• 一文盡覽推薦系統(tǒng)模型演變史(可下載)

• 那些年, 引用量超1000的經典推薦系統(tǒng)論文

• RSPapers | 工業(yè)界推薦系統(tǒng)論文合集

• RSPapers | 對話推薦系統(tǒng)論文合集

• Github星標3k, 帶你認識推薦系統(tǒng)全貌的論文清單

• 面向科研的推薦系統(tǒng)Benchmark誕生！

• RecNN | 一個基于強化學習的新聞推薦系統(tǒng)框架

?總結性質文章

不定期分享一些關于推薦系統(tǒng)、機器學習方面總結性質的文章，旨在給大家一個較為全面的知識框架。比如：

• 推薦系統(tǒng)從入門到接著入門

• 當推薦系統(tǒng)邂逅深度學習
  

• 推薦系統(tǒng)之矩陣分解家族

• 基于評論文本的深度推薦系統(tǒng)總結
  

• 一文搞懂反向傳播

• 由Logistic Regression所聯(lián)想到的...

• 推薦系統(tǒng)之FM與MF傻傻分不清楚

• 推薦系統(tǒng)領域中那些巧妙運用的idea

• 社會化推薦淺談

• 知乎推薦算法工程師面經

• 極大似然估計與最大后驗概率估計

• 網絡表示學習概述?

• 推薦系統(tǒng)之FM與MF傻傻分不清楚

• 多任務學習方法在推薦中的演變

• 深度學習技術在社會化推薦場景中的總結
  

?精選論文推薦

理想情況下，會定期分享經典的或者前沿的推薦系統(tǒng)相關的文章，供大家在碎片化的時間閱讀，主要是以論文筆記的形式呈現。經典在于復習鞏固，前沿在于拓展視野。比如：

• 最新圖學習推薦系統(tǒng)綜述

• 學習二值編碼只為高效的時尚套裝推薦
  

• 基于圖卷積的價格感知推薦
  

• KDD2020 | 半監(jiān)督遷移協(xié)同過濾推薦

• 盤點 | AAAI2020中的四篇推薦系統(tǒng)好文
  

• 評論文本信息對推薦真的有用嗎？
  

• 最新附加信息推薦系統(tǒng)綜述

• 在家無聊？16篇最新推薦系統(tǒng)論文送你

• 利用對抗技術來權衡推薦精度與用戶隱私

• ABPR: 利用對抗訓練技術增強的BPR

• 當推薦系統(tǒng)遇到物聯(lián)網...

• SIGIR2020 | 一種新穎的推薦系統(tǒng)重訓練技巧

• KDD2020最佳論文: 關于個性化排序任務評價指標的大討論

• SIGIR2020 | 基于GCN的魯棒推薦系統(tǒng)研究
  

• Graph: 表現再差，也不進行Pre-Training? Self-Supervised Learning真香！

• SIGIR2020 | 內容感知的神經哈希協(xié)同過濾方法
  

• NIPS2019｜個性化推薦的另一種思路: 學習用戶行為的解糾纏表示

• RecSys2020 | 基于自適應排序學習的個性化推薦方法
  

?頂會論文聚焦

定期整理頂會關于推薦系統(tǒng)、機器學習相關的文章、并用心總結最新的發(fā)展趨勢，供大家學習交流。比如：

• WSDM2021推薦系統(tǒng)論文集錦（附下載）

• AAAI2021推薦系統(tǒng)論文清單
  

• 圍觀RecSys2020 | 推薦系統(tǒng)頂會說了啥？(附論文打包下載)
  

• CIKM2020最新9篇推薦系統(tǒng)相關論文
  

• KDD2020推薦系統(tǒng)論文聚焦
  

• (ACL+ICML)2020推薦系統(tǒng)相關論文聚焦
  

• SIGIR2020推薦系統(tǒng)論文聚焦

• WSDM2020推薦系統(tǒng)論文打包下載

• IJCAI'20最新推薦系統(tǒng)論文聚焦
  

• ECAI2020推薦系統(tǒng)論文聚焦
  

• WWW2020推薦系統(tǒng)論文合集
  

• AAAI2020推薦系統(tǒng)論文集錦

• IJCAI'19最新推薦系統(tǒng)論文分享

以上，關注【機器學習與推薦算法】公眾號即可上車，奉上二維碼，謹防迷路。

（ML、DM、RS愛好者，歡迎關注！）

資源大放送

來而不往非禮也，來而空手回非禮也。下面你將看到的是小磊嘔心瀝血整理的推薦系統(tǒng)相關資源，可能真的是史上最全的推薦系統(tǒng)學習資料了，內容涵蓋精選論文集、學習筆記、算法實現集合、經典書籍集合以及常用數據集大禮包。

• 綜述合集（RSSurveys）

后臺回復關鍵字【綜述】，即可獲得推薦系統(tǒng)領域涉及全場景的20多篇綜述文章，比如協(xié)同過濾綜述、社會化推薦綜述、可解釋性綜述等，幫你快速輕松入門，快速搭建知識大廈，快速走向人生巔峰。

• 教程合集（RSTutorials）

后臺回復關鍵字【教程】，即可獲得推薦系統(tǒng)領域近10年共27份著名學者關于推薦系統(tǒng)的官方Tutorials合集，內容涉及推薦系統(tǒng)基礎教程、社會化推薦教程、跨域推薦教程、實時推薦教程以及深度學習推薦教程等。這可是推薦系統(tǒng)領域著名學者給你上課，可得好好學習。

• 精選論文（RSPapers）

后臺回復關鍵字【論文】，即可獲得推薦系統(tǒng)領域12大類超200篇經典文獻，場景涉及主流的推薦算法、社會化推薦算法、基于深度學習的推薦系統(tǒng)（包括目前較火的GCN網絡）以及關于專門處理冷啟動問題的相關論文、推薦中的哈希、POI推薦、可解釋性推薦以及推薦當中的探索與利用問題和基于知識圖的推薦、基于CTR的推薦等。助你在推薦細分領域快速了解前人工作，好站在巨人的肩膀上班門弄斧。

• 學習筆記（MLNotes）

后臺回復關鍵字【筆記】，即可獲取Coursera上吳恩達老師關于機器學習課程筆記，筆記干貨滿滿，長達93頁，中文閱讀，適合入門。

• 算法實現（RSAlgorithms）

后臺回復關鍵字【算法】，即可獲得近年來經典推薦系統(tǒng)算法的python實現，助你快速上手，早日成為算法大神。

• 經典書籍（RSBooks）

后臺回復關鍵字【書籍】，即可獲得近年來RS, DL, DM, Pytorch領域值得一讀、廣受好評的書籍材料，使你徜徉書海無法自拔。

• 數據集（RSDatasets）

后臺回復關鍵字【數據】，即可獲得用于推薦系統(tǒng)算法所使用的常見數據集，畢竟數據是新的石油，有了數據，就有了希望與愛。

志合者，不以山海為遠，故跋涉而有游集。機器學習與推薦算法，期待與你相遇！?

（別愣著了，趕快搜索關注【機器學習與推薦算法】公號吧！）

總結

以上是生活随笔為你收集整理的Github星标超3k的推荐系统入门资料合集（含教程、论文、代码、数据）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。