- 谷歌的广告业务是如何赚钱的？郄小虎Tiger - 知乎
- 搜索引擎公司是如何利用博弈论进行广告位拍卖的？ - 知乎
- 互联网广告拍卖机制设计
- 互联网广告拍卖的数学描述及最优拍卖机制设计 - 掘金
- 从央视到谷歌：聊一聊竞价广告的机制设计 | 爱范儿
- 为什么 Google 的搜索广告拍卖采用 GSP 机制，而不是 VCG 机制？ - 知乎
- 广告拍卖机制与点击率预估概述_人工智能_frankie110的专栏-CSDN博客
- 谈谈广告平台的竞价原理：GFP,GSP,VCG - 知乎
- GSP — The Cinderella of Mechanism Design
- 使用tensorflow c++ api构建线上预测服务 - 篇3 - J.P.Liu's Blog
- 基于TensorFlow Serving的深度学习在线预估 - 美团技术团队
- 从阿里的User Interest Center看模型线上实时serving方法 - 知乎
- 如何解决推荐系统工程难题——深度学习推荐模型线上serving？ - 知乎
- 揭开YouTube深度推荐系统模型Serving之谜 - 知乎
- 在线学习在爱奇艺信息流推荐业务中的探索与实践 - InfoQ
- 浅谈流式模型训练体系 - 知乎
- 汽车之家推荐系统排序算法迭代之路 - InfoQ
- Flink 如何支持特征工程、在线学习、在线预测等 AI 场景？-阿里云开发者社区
- 信息流推荐在凤凰新闻的业务实践 - InfoQ
- 实时数据流上的机器学习——Tensorflow on Flink - 知乎
- 蚂蚁金服核心技术：百亿特征实时推荐算法揭秘 - 知乎
- 双12根本不在话下，阿里首次揭秘扛过双11的千亿级特征分布式机器学习平台XPS-阿里云
- 一站式机器学习平台建设实践 - 美团技术团队
- 在线学习（Online Learning）导读 - 知乎
- 实时个性化推荐介绍
- 天下武功，唯快不破，论推荐系统的「 实时性」 - 知乎
- 如何增强推荐系统模型更新的「实时性」？ - 知乎
- Apache Flink在滴滴的应用与实践
- CTR预估问题没有“银弹”，比模型结构更重要的是什么？ - InfoQ
- 详解阿里之Deep Interest Evolution Network(AAAI 2019) - 知乎
- 阿里Deep Session Interest Network解读 - 知乎
- 阿里推荐算法（MIND）：基于动态路由的用户多兴趣网络 - 知乎
- 如何刻画用户的多样兴趣——MIND network阅读笔记 - 知乎
- 阿里CVR预估模型之ESMM - 知乎
- Youtube 排序系统：Recommending What Video to Watch Next - 知乎
- Multi-task多任务学习在推荐算法中的应用 - 知乎
- 从谷歌到阿里，谈谈工业界推荐系统多目标预估的两种范式 - 知乎
- 详解谷歌之多任务学习模型MMoE(KDD 2018) - 知乎
- 多任务学习模型详解：Multi-gate Mixture-of-Experts（MMoE ，Google，KDD2018）
- 稀疏共享：当多任务学习遇见彩票假设 - 知乎
- 推荐召回算法之深度召回模型串讲 - 知乎
- 深入理解推荐系统：召回 - 知乎
- 推荐系统召回四模型之：全能的FM模型 - 知乎
- TDM介绍 – d0evi1的博客
- DSSM：深度语义匹配模型（及其变体CLSM、LSTM-DSSM） - 郭耀华 - 博客园
- 推荐系统与CTR预估， 基于深度学习（一):召回思路及模型串讲 - Nick's Tech Blog
- 镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展 - 知乎
- 揭秘微信"看一看"是如何为你推荐的
- 热点挖掘技术在微信看一看中的应用
- 深度学习在省钱快报推荐排序中的应用与实践 - InfoQ
- 美图个性化推送的 AI 探索之路 - InfoQ
- 深度学习在花椒直播中的应用——推荐系统冷启动算法 - 掘金
- 算法调研-微信看一看Embedding - 知乎
- 广告CTR预估中用户行为学习和记忆建模
- 增加User Memory Embedding的深度点击率预估模型 – Semocean
- WWW 2020关于深度推荐系统与CTR预估相关的论文
- CTR预估在动态样式建模和特征表达学习方面的进展
- 推荐系统遇上深度学习(八十二)-[阿里]可视化分析点击率预估模型 - 简书
- 推荐系统中的深度匹配模型 - 知乎
- 推荐系统遇上深度学习(八十一)-[阿里]DMR：Matching和Ranking相结合的点击率预估模型 - 简书
- 最新边信息推荐系统综述 | Survey on Recommendations with Side Information
- 深入浅出排序学习：写给程序员的算法系统开发实践 - 美团技术团队
- WWW2020推荐系统论文合集(已分类整理)
- 谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景 - 知乎
- DLP-KDD全部文章及资源，覆盖GNN、Graph Emb、Transformer等业界前沿领域 - 知乎
- 谈谈推荐系统中的用户行为序列建模 - 知乎
- 图推荐算法在E&E问题上的应用
- 推荐系统的图方法 - 知乎
- KDD 19 | DGL教程：Recommender System with GNN
- 召回算法实践总结 - 知乎
- 搜索中的 Query 理解及应用
- 阿里飞猪“猜你喜欢”推荐排序实践
- 推荐系统中稀疏特征Embedding的优化表示方法
- 机器学习平台 Goblin 的实践 - 知乎
- 机器学习平台在Kubernetes上的实践 - 知乎
- 机器学习框架上的一些实践 - 知乎
- TensorFlow做Sparse Machine Learning - 知乎
- 极简入门TensorFlow C++源码 - 知乎
- 极简入门TensorFlow 内存管理 - 知乎
- 大白话讲nnvm - 知乎
- ps-lite代码解析 - 知乎
- 分布式训练的方案和效率对比 - 知乎
- 分布式机器学习框架与高维实时推荐系统
- zhisheng17/flink-learning 含 Flink 入门、概念、原理、实战、性能调优、源码解析等内容
- 评:Streaming System(简直炸裂,强势安利) - 知乎
- 端到端一致性,流系统Spark/Flink/Kafka/DataFlow对比总结(压箱宝具呕血之作) - 知乎
- pythonbooks/Streaming Systems
- C++ 编译初步 | 吴良超的学习笔记
- cmake学习记录 - 知乎
- makefile 文件的编写 - kzangv - 博客园
- C++ 基础之引用计数 - 知乎
- blade-build/user_manual.md at master · chen3feng/blade-build