19 | 深度学习在推荐系统中的应用有哪些?
18 | 如何将Bandit算法与协同过滤结合使用
17 | 结合上下文信息的Bandit算法
16 | 简单却有效的Bandit算法
15 | 深度和宽度兼具的融合模型 Wide and Deep
14 | 一网打尽协同过滤、矩阵分解和线性模型
13 | 经典模型融合办法：线性模型和树模型的组合拳
12 | 如果关注排序效果，那么这个模型可以帮到你
11 | Facebook是怎么为十亿人互相推荐好友的
10 | 那些在Netflix Prize中大放异彩的推荐算法
09 | 协同过滤中的相似度计算方法有哪些
08 | 解密“看了又看”和“买了又买”
07 | 人以群分，你是什么人就看到什么世界
06 | 超越标签的内容推荐系统
05 | 从文本到用户画像有多远
04 | 画鬼容易画人难：用户画像的“能”和“不能”
03 | 这些你必须应该具备的思维模式
02 | 个性化推荐系统有哪些绕不开的经典问题？
01 | 你真的需要个性化推荐系统吗?
开篇词 | 用知识去对抗技术不平等