AI Rank
EN
← 开源
mJackie

RecSys

计算广告/推荐系统/机器学习(Machine Learning)/点击率(CTR)/转化率(CVR)预估/点击率预估

ListsPaper collections
在 GitHub 打开
增长势头
+024 小时新增 Star0.0%
2.08k
Star
434
Fork
+0
本周
1
贡献者
创建于 2019-03-08 · 更新于 2026-10-05 · 今日第 9010 名
主要开发者
mJackie

mJackie/RecSys 排名第 9,010，有 2,081 个星标。

同类别比较

mJackie/RecSys 排名第 9,010，此处有 8 个同类条目；shramos/Awesome-Cybersecurity-Datasets 排名第 8,998。

同类别比较
名称排名指标
amirhossein-kz/Awesome-Diffusion-Models-in-Medical-Imaging8,967
星标数:
2,112
分叉数:
172
简介:
Diffusion Models in Medical Imaging (Published in Medical Image Analysis Journal)
Leanmcp/gateway-skills8,970
语言:
Python
星标数:
2,110
分叉数:
2,096
简介:
See your claude code logs in clear details in your dashboard
Timothyxxx/Chain-of-ThoughtsPapers8,979
星标数:
2,104
分叉数:
143
简介:
A trend starts from "Chain of Thought Prompting Elicits Reasoning in Large Language Models".
shramos/Awesome-Cybersecurity-Datasets8,998
星标数:
2,093
分叉数:
346
简介:
A curated list of amazingly awesome Cybersecurity datasets
huggingface/awesome-papers9,052
星标数:
2,051
分叉数:
118
简介:
Papers & presentation materials from Hugging Face's internal science day
cbailes/awesome-deep-trading9,053
星标数:
2,050
分叉数:
359
简介:
List of awesome resources for machine learning-based algorithmic trading
iannuttall/claude-agents9,059
星标数:
2,043
分叉数:
269
简介:
Custom subagents to use with Claude Code.
jiqizhixin/Artificial-Intelligence-Terminology-Database9,071
星标数:
2,036
分叉数:
339
简介:
A comprehensive mapping database of English to Chinese technical vocabulary in the artificial intelligence domain
关键参数与规格
关键参数与规格
参数值
类别Lists
子类别Paper collections
关键词Research
星标数2,081
分叉数434
贡献者1
创建日期2019-03-08
更新日期2026-10-05
1 天星标数0
7 天星标数0
排名9,010
上次排名9,056
排名变化46
7 天星标排名12,150
上次 7 天星标排名12,212
7 天星标排名变化62
总星标排名6,141
上次总星标排名6,135
总星标排名变化-6
国家China
README 摘录

如今工业界的主流模型 **Practical lessons from predicting clicks on ads at facebook** facebook GBDT+LR的经典方案。 **Deep Neural Networks for YouTube Recommendations** 介绍了Youtube推荐系统工业界架构与方案，经典必看 **Real-time Personalization using Embeddings for Search Ranking at Airbnb** KDD2018 best paper，Embedding 必看论文，非常经典 **Entire Space Multi-Task Model

: An Effective Approach for Estimating Post-Click Conversion Rate** 阿里的多目标学习经典方案，同时优化CTR & CVR **Real-time Personalization using Embeddings for Search Ranking at Airbnb** 介绍了 airbnb 搜索排序模型的演进，工业性质很强，值得参考 **搜索引擎点击模型综述** 清华马少平团队的文章

点击模型入门必看，搜索引擎点击模型综述

常见问题

记录了多少星标和分叉？

mJackie/RecSys 有 2,081 个星标和 434 个分叉。

仓库排名是多少？

mJackie/RecSys 排名第 9,010。

哪个仓库排名最接近？

mJackie/RecSys 与 shramos/Awesome-Cybersecurity-Datasets 比较，后者排名第 8,998，有 2,093 个星标。

README

推荐系统/计算广告/机器学习/CTR预估资料汇总

说明：本仓库主要汇集推荐系统/计算广告/机器学习/CTR预估相关学习资料，欢迎一起补充更新👼

更多前沿技术文章，欢迎移步 -> 精选文章

RoadMap

推荐系统

计算广告

统计学习模型

技术文章

实践工具

深度学习模型

技术文章

实践代码

相关比赛

CriteoDisplayAdvertisingChallenge

AvazuClickThroughRatePrediction

2018 IJCAI 阿里妈妈搜索广告转化预测

2018腾讯广告算法大赛

技术博客

经典论文清单

筛选文章的标准：前沿或者经典的，工程导向的，google、阿里、facebook等一线互联网公司出品的：

Wide & Deep Learning for Recommender Systems

google 的 wide&deep，必看论文，经典到难以附加

DeepFM: An End-to-End Wide & Deep Learning Framework for CTR Prediction

华为对wide&deep的改进，加了wide层的交叉项。如今工业界的主流模型

Practical lessons from predicting clicks on ads at facebook

facebook GBDT+LR的经典方案。虽然如今已不是主流方案，但论文中的思想很值得学习。

Deep Neural Networks for YouTube Recommendations

介绍了Youtube推荐系统工业界架构与方案，经典必看

Real-time Personalization using Embeddings for Search Ranking at Airbnb

KDD2018 best paper，Embedding 必看论文，非常经典

Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate

阿里的多目标学习经典方案，同时优化CTR & CVR

Real-time Personalization using Embeddings for Search Ranking at Airbnb

介绍了 airbnb 搜索排序模型的演进，工业性质很强，值得参考

搜索引擎点击模型综述

清华马少平团队的文章点击模型入门必看，搜索引擎点击模型综述

排名相邻
同类项目