文中涉及变分推断，可参考这篇阅读：https://zhuanlan.zhihu.com/p/70644599

paper：https://arxiv.fenshishang.com/pdf/2105.10648.pdf

EE是推荐系统中不变的话题，我们需要通过探索用户的兴趣来避免进入闭环，增加推荐系统的多样性和个性化，因此需要在探索和利用之间做权衡。

本文主要是将序列中的时间因素作为特征考虑到模型中，从而发掘时间变化模式。现有研究将时间信息视为单一类型的特征，并侧重于如何将其与用户对商品的偏好相关联。然而，它们不足以充分学习时间信息，因为用户偏好的时间模式...

本文是针对新用户方面的冷启动文章，作者提出双塔结构的MAIL，一个塔用于冷启动，另一个塔关注排序问题。

MAB问题又称多臂老虎机问题，一个老虎机上有多个老虎臂，每次摇动不同的臂会得到不同的收益，那么如何才能让多次尝试后整体收益最大？这就是多臂老虎机问题。MAB问题可以采用Bandit算法来解决，Bandit算法的思想是希望在多次摇...

推荐系统中通常采用隐式反馈，如点击。将观察到的数据（如曝光点击）作为正样本，未观察到的作为负样本，但是隐式反馈通常是有噪声的，比如存在误点击的情况。现有的处理反馈中噪声的方法存在以下不足：...

Bandit方法在很多领域都有应用，比如强化学习，推荐系统。在推荐系统中可以采用Bandit方法进行冷启动，探索与利用的平衡，具体的方法介绍在之前的文章中已经介绍了，这里不在赘述，这次和大家分享相关方法的具体实现。...

这里简单复现了一下wide and deep这个基础方法，和大家进行分享，wide and deep是推荐系统中的基础模型，主要由wide和deep两部分构成，这也是它名字的由来。deep部分是特征与特征之间的深度复杂交互，可以提升模型泛化能力，是黑...

DeepFM方法是华为在2017年提出的，是推荐系统中的经典方法，和wide and deep类似，DeepFM也是同时考虑记忆和泛化，在泛化部分采用DNNs结合dropout，batch norm提升模型泛化能力；而记忆部分，采用的是FM，将特征之间进行两两交互。最...