本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

工欲善其事，必先利其器。

在工作中動手實施自己的ML項目之前，了解領域里的前沿進展，吸收前人的經驗，是很有必要的。

不過，現在arXiv上每天都有成百篇新論文冒頭，哪些值得看？

為此，亞馬遜工程師Eugene Yan等人打造了一個論文合集，在這個GitHub項目中，持續共享Google、亞馬遜、Facebook等等大公司在數據科學和機器學習方面的論文和博客文章。

這些論文/文章涵蓋24種不同分類，從搜索排名到NLP、CV，都能在這里找到：

數據質量

數據工程

數據挖掘

分類

回歸

推薦算法

搜索排名

嵌入

自然語言處理

序列建模

預測

計算機視覺

強化學習

異常檢測

圖形

優化

信息提取

弱監督

生成

效率

驗證和A/B測試

倫理道德

實踐

失敗

目前標星2.3k。

以推薦算法為例。

對于不同的行業，業務差別很大。即使算法基礎框架大同小異，想要訓練出精準的推薦模型，細節上還是有許多不同之處。

而這份清單，收集了電商、視頻、音樂、課程種種不同業務的推薦算法技術博客/論文。

比如阿里的《Behavior Sequence Transformer for E-commerce Recommendation in Alibaba》。

論文介紹了行為序列Transformer在阿里電子商務推薦系統中的應用。

研究人員提出，利用Transformer模型來捕捉用戶行為序列背后的順序信號，以增強個性化推薦的有效性，提升點擊量。經過實驗驗證后，他們將該模型部署在了淘寶線上，證明與基線相比，該方法能顯著提高在線點擊率。

論文鏈接：
https://arxiv.org/abs/1905.06874

在視頻個性化推薦方面，YouTube、網飛、TikTok的技術方案都有收錄。

比如YouTube這篇引用次數達到1039次的《Deep Neural Networks for YouTube Recommendations》。

論文重點介紹了深度學習給YouTube推薦系統帶來的巨大性能提升。首先，研究人員詳細介紹了深度候選征程模型和深度排名模型。而后，研究人員還在論文中分享了從設計、迭代到維護一個擁有海量用戶的大規模推薦系統這個過程中，獲得的實踐經驗和啟示。

論文地址：
https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/45530.pdf

另外，比較有趣的是，這份論文/文章列表還收錄了一些失敗的經驗。

比如Google Photos在給照片打標簽時，曾經嚴重翻車：把黑人標記成了“大猩猩”。

最近大火的GPT-3，則沒有解決前代GPT-2的“偏見”問題，在生成的文字中，總是將穆斯林和暴力、死亡聯系在一起。

關于作者

這一項目的主要維護者，是亞馬遜應用科學家Eugene Yan。

他本科畢業于新加坡管理大學，專業是心理學和人力資源管理，后于佐治亞理工學院獲計算機科學碩士學位。

現在的主要工作是利用消費者數據，構建機器學習系統以提升用戶體驗。

傳送門

項目地址：
https://github.com/eugeneyan/applied-ml