推荐系统公共资源汇总

转自:http://aoyouzi.iteye.com/blog/1845235

主页

• GroupLens:http://www.grouplens.orgGroupLens项目官方主页
• John Riedl:http://www-users.cs.umn.edu/~riedl/Grouplens领导者
• Greg Linden—推荐系统领域最有影响力的博客；
• 谷文栋:http://www.guwendong.comResysChina 发起人;
• Xlvector:http://xlvector.net博士；

数据集

• GroupLens Research提供的数据集；
• movielens 数据集，官方提供下载：movielens数据集；
• netflix数据集，目前官方不再提供下载，需要的话可以联系我；
• Jester数据集：笑话推荐系统Jester提供了两种类型的数据集，下载地址：Jester_dataset；
• yahoo music dataset，kdd_cup_dataset
• CI Machine Learning Repository:UCI datasets
• mazon-meta dataset:Amazon product co-purchasing network metadata

论坛

• 中国推荐社区ReSysChina;

会议

目前，推荐系统的国际会议或期刊主要是：2009年起ACM推出的推荐系统年会（ACM Conference on Recommender Systems，简称RecSys）及上下文感知推荐系统专题研讨会（Workshop on Context-Aware Recommender Systems，简称CARS）、ACM EC、KDD、 SIGIR、UMAP、IUI、CHI、CIKM、ECAI、ECIR、IEEE TKDE、 IEEE Intelligent System、ACM TKDD、 Communication of the ACM等。

 

第三方工具

MyMediaLite 是一个轻量级的多用途的推荐系统的算法库。

http://mymedialite.net/download/index.html

• 它解决了两个最常见的场景的协同过滤：

  • 评分预报 (1-5)
  • 通过一些隐式的反馈进行预测

EasyRec http://www.easyrec.org/ 是一个易集成、易扩展、功能强大且具有可视化管理的推荐系统。EasyRec可以同时给多个不同的网站提供推荐服务，通过tenant来区分不同的网站。架设EasyRec服务器，为网站申请tenant，通过tenant就可以很方便的集成到网站中。通过各种不同的数据收集（view,buy.rating）API收集到网站的用户行为，EasyRec通过离线分析，就可以产生推荐信息，您的网站就可以通过Recommendations和Community Rankings来进行推荐业务的实现。