时间：2018年06月07日 09：30
地点：望江基础教学楼B座318实验室
研读成员：申航
研读内容：
Okura S, Tagami Y, Ono S, et al. Embedding-based News Recommendation for Millions of Users[C]// ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2017:1933-1942.
论文简介：
这篇文章来自于Yahoo日本，主要介绍了"日本首页"上的新闻推荐，比较典型的基于Deep Learning的一项工作。虽然KDD大会并没有将这篇文章选入做Ｏral Ｐresentation，但是其成熟的技术方案是值得借鉴的。文中分为三个主要步骤，首先基于一个去噪自动编码器生成新闻的分布式表达；然后以用户浏览历史作为输入，基于RNN模型生成用户表达；最后用User-Item内积排序做Top-K推荐。作者在"Yahoo日本“首页上线验证了论文所提的算法，CTR有10%-23%的提升，手淘首页”猜你喜欢的“视频瀑布流推荐中也尝试了类似的方法，CTR有20%的提升，这是在Item本身属性挖掘比较困难的前提所提出的方法，整体效果还是不错的。这篇文章的核心是整个问题的技术方案，也是这篇文章的真正价值所在。
