零基础入门推荐系统 - 新闻推荐 Top2 比赛地址: 解决方案 采用3种召回方式：itemcf 召回，binetwork 召回和基于 word2vec 的 i2i 召回。合并去重并删除没有召回到真实商品的用户数据后，利用特征工程+ LGB 二分类模型进行排序。 复现步骤 操作系统：ubuntu 16.04 pip install requirements.txt cd code bash test.sh

新闻推荐是个性化新闻服务的重要技术。与已被全面研究的产品和电影推荐相比，新闻推荐的研究要有限得多，这主要是由于缺乏高质量的基准数据集。 MIND Microsoft News Recommendation Dataset_datasets..txt MIND Microsoft News Recommendation Dataset_datasets..zip

:grinning_face_with_smiling_eyes: [目录] 结构 代码：复现的代码 注：论文笔记 论文：论文 资源：论文截图 声明 要引用，转载，请附本仓库链接[ ] 强调 黄：需要看的点 蓝：看懂后自己提醒的需要注意的点 绿：不认识的单词在[45]之后黄色代表不认识的单词，绿色代表需要看的点 结果 ，用户名铂 新闻推荐 符号 接受推荐的用户记为$ u $，某些新闻记为$ v $ 目标 给定用户$ u $，新闻集$ \ mathcal {V} $，从$ \ mathcal {V} $中选出前$ k $个用户最有可能点击的新闻，推荐给用户 最大化点击率（CTR） 新闻推荐的特点 大规模：用户和新闻数量都很大，新闻更新快 稀疏：很多用户看很少的新闻，导致特征稀疏 动态：用户的兴趣一直发生着变化 无需查询：人们来看推荐很少会抱有特定的信息诉求，而是给我看一些有趣的东西 没有明确的反馈：难以获得用户的显示反馈，只有点击数据 没有异构的上下文

新闻推荐的MIND数据集是从Microsoft新闻网站的匿名行为日志收集的。 MIND Microsoft News Recommendation Dataset_datasets.txt

Embedding-based News Recommendation for Millions of Users 经典embedding论文 kdd

新闻推荐 机器学习小组-谢丽媛，葛蕊新闻推荐系统代码