NLP 推荐算法 论文+博客整理
一、经典论文
nlp：
| 描述 | 论文 |
| deep learning for nlp的早期框架 | A unified architecture for natural language processing: deep neural networks with multitask learning |
| 主题模型：LDA |
Latent dirichlet allocation |
| 条件随机场： | Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data |
| word2vec |
Efficient Estimation of Word Representations in Vector Space |
| glove |
Glove: Global Vectors for Word Representation |
| elmo | https://arxiv.org/pdf/1802.05365.pdfDeep contextualized word representations |
| nlp中的cnn |
Convolutional Neural Networks for Sentence Classification |
| RNN-based seq2seq |
Sequence to Sequence Learning with Neural Networks Neural Machine Translation by Jointly Learning to Align and Translate |
| Attention is all you need （绝对经典） | Attention Is All You Need |
| Bert （重点） | BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding |
| transformer-XL |
Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context - arXiv 2019) |
| 长文本transformer |
Longformer: The Long-Document Transformer |
| bert压缩 |
TinyBERT: Distilling BERT for Natural Language Understanding DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter ALBERT: A Lite BERT for Self-supervised Learning of Language Representations |
| 融入知识图谱信息 |
K-BERT: Enabling Language Representation with Knowledge Graph https://arxiv.org/pdf/1909.07606.pdf ERNIE: Enhanced Representation through Knowledge Integration https://arxiv.org/pdf/1904.09223.pdf |
推荐算法：
[Youtube-DNN] Deep Neural Networks for YouTube Recommendations（Google 2016，非常经典的论文）
[Pinterest] Graph Convolutional Neural Networks for Web-Scale Recommender Systems (Pinterest 2018)
[DL Recsys Intro] Deep Learning based Recommender System- A Survey and New Perspectives (UNSW 2018)
召回：
[DSSM双塔模型] Learning Deep Structured Semantic Models for Web Search using Clickthrough Data (UIUC 2013)
[TDM] Learning Tree-based Deep Model for Recommender Systems（Alibaba 2018）
排序：
[ESMM] Entire Space Multi-Task Model - An Effective Approach for Estimating Post-Click Conversion Rate (Alibaba 2018，多任务)
[MMOE] Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts（Google 2018，众多大厂都有用这个模型，多任务）
[DIEN] Deep Interest Evolution Network for Click-Through Rate Prediction (Alibaba 2019)
[DIN] Deep Interest Network for Click-Through Rate Prediction (Alibaba 2018)
其它：
[tutorial] Learning to Rank for Information Retrieval（Microsoft 2010，刘铁岩经典综述）
[DeepWalk] DeepWalk: Online Learning of Social Representations（2014）
[item2vec] Item2Vec-Neural Item Embedding for Collaborative Filtering (Microsoft 2016)
[node2vec] node2vec: Scalable Feature Learning for Networks（2016）
二、近年新论文
nlp：
| 描述 | 论文 |
| 小样本 |
Multi-Label Few-Shot Learning for Aspect Category Detection https://arxiv.org/abs/2105.1417 Few-Shot Text Ranking with Meta Adapted Synthetic Weak Supervision https://arxiv.org/abs/2012.1486 Generalizing from a Few Examples: A Survey on Few-Shot Learning（小样本学习综述） |
| NER |
Named Entity Recognition with Small Strongly Labeled and Large Weakly Labeled Data https://arxiv.org/abs/2106.0897 Document-level Event Extraction via Heterogeneous Graph-based Interaction Model with a Tracker https://arxiv.org/abs/2105.1492 |
| 对话 |
Answering Ambiguous Questions through Generative Evidence Fusion and Round-Trip Prediction https://arxiv.org/abs/2011.1313 |
| 生成 |
Prefix-Tuning: Optimizing Continuous Prompts for Generation https://arxiv.org/abs/2101.0019 |
| 摘要 |
Cross-Lingual Abstractive Summarization with Limited Parallel Resources https://arxiv.org/abs/2105.1364 Long-Span Summarization via Local Attention and Content Selection https://arxiv.org/abs/2105.0380 |
| 预训练模型 |
Hi-Transformer: Hierarchical Interactive Transformer for Efficient and Effective Long Document Modeling NEZHA: Neural Contextualized Representation for Chinese Language Understanding ERNIE-Gram: Pre-Training with Explicitly N-Gram Masked Language Modeling for Natural Language ERNIE 2.0: A Continual Pre-training Framework for Language Understanding |
| 表征学习 |
DeCLUTR: Deep Contrastive Learning for Unsupervised Textual Representations https://arxiv.org/abs/2006.03659（对比学习） ConSERT: A Contrastive Framework for Self-Supervised Sentence Representation Transfer https://arxiv.org/abs/2105.1174 Self-Guided Contrastive Learning for BERT Sentence Representations https://arxiv.org/abs/2106.0734 |
| 知识图谱 |
Dynamic Knowledge Graph Construction for Zero-shot Commonsense Question Answering
Case-based Reasoning for Natural Language Queries over Knowledge Bases https://arxiv.org/pdf/2104.08762.pdf Dynamic Knowledge Graph Construction for Zero-shot Commonsense Question Answering |
推荐算法：
[Graph learning] Graph Learning Approaches to Recommender Systems: A Review（2021）
召回：
[JTM] Joint Optimization of Tree-based Index and Deep Model for Recommender Systems（Alibaba 2019）
[Deep Retrieval] Deep Retrieval: Learning A Retrievable Structure for Large-Scale Recommendations（字节 2021）
排序：
[PLE] Progressive Layered Extraction (PLE): A Novel Multi-Task Learning (MTL) Model for Personalized Recommendations（腾讯 2020，近一年很多大厂有follow这项工作，多任务）
其它：
[KAFtt] Kalman Filtering Attention for User Behavior Modeling in CTR Prediction（京东 2020）
[SIM] Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction （Alibaba 2020）
[BST] Behavior Sequence Transformer for E-commerce Recommendation in Alibaba（Alibaba 2019）
[GIN] Graph Intention Network for Click-through Rate Prediction in Sponsored Search（Alibaba 2019）
三、知识点重难点解读
nlp：
Prompt Based Task Reformulation in NLP调研 | Thinkwee's Blog
https://github.com/km1994/nlp_paper_study
GitHub - km1994/NLP-Interview-Notes: 本项目是作者们根据个人面试和经验总结出的自然语言处理(NLP)面试准备的学习笔记与资料，该资料目前包含 自然语言处理各领域的 面试题积累。
推荐算法：
GitHub - shenweichen/AlgoNotes: 公众号【浅梦学习笔记】文章汇总:包含 排序&CXR预估，召回匹配，用户画像&特征工程，推荐搜索综合 计算广告，大数据，图算法，NLP&CV，求职面试 等内容
GitHub - datawhalechina/fun-rec: 本推荐算法教程主要是针对具有机器学习基础并想找推荐算法岗位的同学，教程由推荐算法基础、推荐算法入门赛、新闻推荐项目及推荐算法面经组成，形成了一个完整的从基础到实战再到面试的闭环。
四、面经系列
快手推荐算法实习面经_笔经面经_牛客网
社招一年：小米算法面经(推荐算法)_笔经面经_牛客网
美团推荐算法暑期实习岗面经_笔经面经_牛客网
秋招总结：非机器学习科班学生漫长的算法工程师上岸之旅_笔经面经_牛客网
算法岗秋招面经总结，回馈牛客_笔经面经_牛客网
某渣渣NLP暑期实习面经_笔经面经_牛客网
NLP面经回馈_笔经面经_牛客网
NLP and 机器学习面经，回馈牛客_笔经面经_牛客网
NLP 推荐算法 论文+博客整理相关推荐
- GitHub 优秀的 Android 开源项目 淘宝技术牛p博客整理开发中最常用的GitHub上 优秀的 Android 开源项目整理（精品）...
原文地址为http://www.trinea.cn/android/android-open-source-projects-view/,作者Trinea 主要介绍那些不错个性化的View,包括Lis ...
- 各大公司java面试整理对应问题博客整理
各大公司java面试整理对应问题博客整理! 阿里 分库分表 数据库中间件 MyCAT是一个强大的数据库中间件,不仅仅可以用作读写分离,以及分表分库.容灾管理,而且可以用于多租户应用开发.云平台基础设施 ...
- 【成长必备】我为什么推荐你写博客？愿你多年以后成为你想成为的样子。
[成长必备]我为什么推荐你写博客? 文章目录 [成长必备]我为什么推荐你写博客? 文章脉络 什么是博客? 博客介绍 作者的博客 博客优势 文章选材 文章多样化 选择一个合适的平台 流量平台 独立平台 ...
- 【推荐算法论文阅读】LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
这篇文章是基于NGCF提出的改进,NGCF相关的工作参考[推荐算法论文阅读]Neural Graph Collaborative Filtering 一.背景 通过严格的对照实验(在相同的数据集和评估 ...
- 推荐！CSDN博客放阿里妈妈广告代码的方法
推荐!CSDN博客放阿里妈妈广告代码的方法 分类: 软件之外2009-12-28 13:46 427人阅读 评论(0) 收藏 举报 最近阿里妈妈广告投放平台以其新颖的模式,符合互联网本质的方法,以迅猛 ...
- 数论函数相关的博客整理
数论函数相关的博客整理 http://blog.leanote.com/post/rockdu/TX20 理解快速沃尔什变换/快速莫比乌斯变换(FWT|FMT) (已完结) https://blog. ...
- 转载请注明：Windows 系统必备好用软件工具合集跟推荐 | 老D博客
Windows 系统必备好用软件&工具合集跟推荐 97 63,371 A+ 所属分类:工具软件 一.浏览器 二.下载软件 三.播放软件 五.电子邮件客户端 六.图片/照片 浏览查看工具 七.文 ...
- 前端开发桌面软件、技术博客整理等
整理桌面 渐渐的发现,很多东西存储在本地,永远不如放在云端,很多需要记录的东西,换台电脑,原来的东西可能找不到了,整理的过程是繁琐的,但是结果却是很方便. 记录来盈嘉互联后电脑安装的软件 马克飞象.t ...
- ubuntu18.04新机配置VinsMono环境博客整理（中文输入法、换源、ROS、Opencv、Eigen、Ceres、VinsMono）
ubuntu18.04新机配置VinsMono环境博客整理(中文输入法.换源.ROS.Opencv.Eigen.Ceres.VinsMono) 文章目录 前言 1. ibus拼音输入法 2. 换源 2 ...
- 广告推荐论文 博客 项目 汇总
自己总结的笔记 CTR预估模型演进笔记 零.基础知识 图解AUC和GAUC 一.博客 2.1 基础框架 推荐系统技术演进趋势:从召回到排序再到重排 2.2 传统算法 FM:推荐算法中的瑞士军刀 分解机 ...
最新文章
- 【老孙随笔】属相影响你的职业前途吗？
- PPRevealSideViewController
- gsm,gprs,cmwap,cmnet,3g,TD-SCDMA,CDMA2000,WCDMA
- 动态规划算法-07背包问题进阶
- matlab将矩阵提取,matlab – 从现有矩阵中提取矩阵
- xcode w情ndows版,xcode Windows版安装使用介绍
- 跟我学AI建模：分子动力学仿真模拟之DeepMD-kit框架
- Python生态概览（三）：图形用户界面开发库、游戏开发库、虚拟现实库、图形艺术库
- 1篇文章认识ZCCT在线认证，加入千人在线学习大军领取云计算资料包！
- Python实现共现语义网络
- 基于proteus的一个微程序CPU
- structure-from-motion revisited论文笔记
- linux必须root权限才能mount,root执行/media可执行文件权限不够，chmod修改权限无效...
- 7.3_minibatch-sgd
- 政策更新 | 开发者如何处理软件包可见性
- JS之before的实现
- 自动曝光修复算法附完整C代码
- 克服反爬虫机制爬取智联招聘网站
- python中weekid什么意思_Python学习 Week1
- 博物馆计算机系统操作工,职业技能鉴定国家题库统一试卷.doc