推荐系统（CTR领域）实战入门指南

CTR经典模型如：FM，FFM，Wide&Deep，建议自己去复现一个完整的通用模型

先从pytorch版本入手（后期考虑tensorflow），从kaggle上找实际的比赛

github推荐：

https://github.com/mJackie/RecSys   CTR相关资料汇总

 

https://github.com/duboya/CTR-Prediction/tree/46c303986ec57092d9eb4478a3583fa019d18efd/Algorithm%20Practice/GBDT%20%2B%20LR

GBDT+LR ， XGBoost等

 

github 相关代码推荐：

1.（第二推荐）

https://github.com/JianzhouZhan/Awesome-RecSystem-Models         pytorch，tf2.0实现的常见ctr模型

Criteo's Kaggle display advertising challenge

 

2.

https://github.com/Johnson0722/CTR_Prediction   tf实现常见ctr模型

比赛：https://www.kaggle.com/c/avazu-ctr-prediction/data

avazu

 

3. （第一推荐）

https://github.com/chenxijun1029/DeepFM_with_PyTorch     pytorch，deepfm

比赛： https://www.kaggle.com/c/criteo-display-ad-challenge/data

Criteo's Kaggle display advertising challenge

 

解析源码的博客：

https://zhuanlan.zhihu.com/p/84526966

 

4. 

https://github.com/shenweichen/DeepCTR    tf1.X，tf2.X，经典推荐系统代码实现全集

 

5.

https://github.com/GitHub-HongweiZhang/prediction-flow    pytorch，经典推荐系统代码实现集合