从零单排推荐系统文章汇总目录（长期更新中）

这里是一个本专栏下所有文章的汇总，也是一个传送门。之前有同学提到过希望能讲到的内容都可以评论区里添加，之后会规划一下

关注公众号“水哥的算法基地”，追更不迷路！

总览篇推荐系统概述推荐系统是干啥的？推荐系统的天时地利人和推荐系统全链路召回粗排精排-各有所长召回粗排精排-级联漏斗（上）召回粗排精排-级联漏斗（下）打压保送重排策略-拍不完的脑袋模型篇精排之锋逻辑回归简单复读机LR工业LR的稀疏要求触碰线性模型的边界，阿里妈妈的创新开端？因子分解机与特征交叉FM的一小步，泛化的一大步形变神不变，花花的FNN/PNN/ONN世界Deep&Cross Network，高阶交叉空许约xDeepFM与DCN-v2，兑现交叉的诺言树模型顶级工具人GBDTembedding亦福亦祸，XGBoost和LightGBM的新机遇深度神经网络DNN与两大门派，一念神魔，功不唐捐再论特征与embedding生成DIN+DIEN，机器学习唯一指定涨点技attentionAttention有几种写法？Transformer的升维打击粗排之柔双塔to NN，learning to rank召回之厚u2i话事人，双塔进击史i2i及u2u2i召回方案近似搜索概览双塔霸主动摇，树模型与类树模型的冲击推荐中的老汤模型，克苏鲁的呼唤推荐模型迭代的术与道前沿篇用户兴趣建模从千到万的用户长期兴趣建模用户多峰兴趣建模多任务学习多任务学习的实践意义多任务学习的基本框架MMoE一族，影分身之术非平行关系，建模任务间的因果多任务间的调权与均衡非梯度场景线上线下的鸿沟是梯度方法与非梯度方法的鸿沟强个性化的非梯度场景——强化学习探微参数&性能关系，把模糊的点连成面探索与利用为什么要探索与利用？探索的本质是巧妙贪心后精排环节定义多样性问题，简单的形式&复杂的标准DPP与多样性考虑上下文的重排序，从云端卷到手上debias的推荐各种各样的biasPosition Bias的起源于归因Position Bias的两种标配解法AutoMLNAS与网络微操的探索特征层面，甚至动态长度的搜索模型压缩图计算数据结构的终极极简GNN发展史item非原子化，建模转向图用户画像用户的属性预估用户画像之兴趣分布可解释的推荐系统可解释推荐系统，永不停止的追逐难点篇产品运营篇（待续）