1
推荐系统的架构
2
传统推荐系统的演化
CF：协同过滤（Collaborative Filtering, CF）
MF：矩阵分解（Matrix Factorization, MF）
LR：逻辑回归 PLOY2：将特征两两组合 FM：因子分解机（Factorization Machine, FM），为每个特征学习一个隐权重向量 FFM：特征域感知（field-aware）的 FM
GBDT：梯度提升决策树（Gradient Boosting Decision Tree）
传统推荐模型的特点总结
3
深度学习推荐模型的演化
深度学习推荐模型
4
embedding相关技术
5
Thompson Sampling算法的伪代码：
7
A/B测试的同层互斥：一个用户只参加多组A/B测试中的一组，实验组/对照组中的一组