引言        這是一個系列文章的第 1 部分，這一系列文章將討論與使用 WebSphere® Personalization（以下稱 Personalization）和 WebSphere Portal（以下稱 Portal）相關的各種主題。在第 1 部分中，我們描述如何建立個性化的 portlet 和 Web 應用程式。在這一系列文章的其餘文章中，我們將在您在第 1 部分中將要建立的個

原始论文下载地址： 本文是kdd 2018 的best paper，文章来自airbnb的搜索推荐团队，描述的是airbnb如何使用embedding来提高搜索和排序的效果。 知乎有官方认证的中文文章（文章地址，原始论文）。文章利用搜索的session数据来获取Listing和用户的embedding，全文思想相对来说还是比较简单的，但是整体针对业务实际情况，一步步的解决问题的思路很清晰，和a

介绍： 对于一个神经网络来说，有效地处理稀疏数据是很有挑战性的。由于缺乏代表性模型和数据集的公开可用细节，导致对推荐系统的研究进展缓慢。 DLRM（Deep Learning Recommendation Model）是深度学习推荐模型的实现，用于个性化推荐。DLRM通过结合协同过滤和基于预测分析的方法的原理，在其他模型的基础上取得了进展，这使得它能够有效地处理生产规模的数据，并提供最先