关于推荐系统的总结

1、http://www.cnblogs.com/vivounicorn/archive/2011/09/20/2182433.html

2、http://www.cnblogs.com/vivounicorn/archive/2011/10/08/2201986.html

3、https://cwiki.apache.org/MAHOUT/quick-tour-of-text-analysis-using-the-mahout-command-line.html

4、https://cwiki.apache.org/confluence/display/MAHOUT/Mahout+Wiki#MahoutWiki-Examples

5、https://cwiki.apache.org/MAHOUT/viewing-results.html

6、https://cwiki.apache.org/MAHOUT/use-an-existing-hadoop-ami.html

7、https://cwiki.apache.org/MAHOUT/creating-vectors-from-text.html

8、https://cwiki.apache.org/MAHOUT/cluster-dumper.html

9、https://cwiki.apache.org/MAHOUT/cluster-dumper.html

10、http://hadoop.apache.org/docs/r1.0.3/cn/commands_manual.html#jar

11、http://www.ibm.com/developerworks/cn/java/j-lo-mahout/

IBM 网站推荐系统介绍

1）http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html

2）http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html

3）http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy3/index.html

不错的博客http://blog.sina.com.cn/dongdongdong

http://www.resyschina.com/

<hr>

1、研究twitter的paper      http://reculike.com/site/search.php?query=twitter

2、研究facebook的paper      http://reculike.com/site/search.php?query=facebook

3、研究社交网络给用户推荐好友算法的paper       http://reculike.com/site/search.php?query=user+recommendation

4、研究上下文相关的推荐系统的paper     http://reculike.com/site/search.php?query=context+aware+recommender+system

5、研究youtube的paper     http://reculike.com/site/search.php?query=youtube

6、click model的相关paper     http://reculike.com/site/search.php?query=click+model

7、推荐系统考虑temporal diversity的paper     http://reculike.com/site/paper.php?id=721469

8、基于地点上下文推荐算法的paper     http://reculike.com/site/search.php?query=Location-Aware+Recommender+System

9、http://en.wikipedia.org/wiki/Recommender_system#Mobile_Recommender_Systems

10、推荐数据汇总http://hi.baidu.com/sompclysvtdhlzr/item/d87e09a4afdeea3a030a4d1d

CSDN的推荐引擎主题资料汇集页面：http://subject.csdn.net/tuijian/

推荐《探索推荐引擎的秘密》系列 http://tiny4.org/blog/2011/05/recommend-enginee/  该文作者为iApp4me创始人，文中提到几个开源推荐引擎项目

探索推荐引擎内部的秘密系列：http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html

基于 Apache Mahout 构建社会化推荐引擎 http://www.ibm.com/developerworks/cn/java/j-lo-mahout/

与豆瓣创始人杨勃聊天 长尾 推荐机制 http://blog.sina.com.cn/s/blog_4cd47c4e010009ki.html

推荐引擎算法学习导论：http://blog.csdn.net/v_july_v/article/details/7184318

推荐引擎系统里的产品基因理念：http://blog.sina.com.cn/s/blog_4cd47c4e010009kk.html

社会化阅读推荐引擎 Magnet Demo：http://v.youku.com/v_show/id_XMjM3NDAyMTg4.html

Magnet作者blog:http://blog.sina.com.cn/wbia2010

下一代推荐引擎的关键技术和应用案例: http://www.slideshare.net/gettyying/ss-8592317

来，做一个社会化推荐引擎:http://www.cnblogs.com/zhengyun_ustc/archive/2008/12/22/ju690_sr.html

淘宝共享数据平台推荐引擎相关文章：http://www.tbdata.org/archives/category/%E6%8E%A8%E8%8D%90%E5%BC%95%E6%93%8E

推荐引擎技术研究 Recommender Engines Seminar Paper：http://ishare.iask.sina.com.cn/f/11310749.html

百分点推荐引擎——从需求到架构 http://www.infoq.com/cn/articles/baifendian-recommendation-engine

豆瓣上的一个推荐系统书籍豆列(书单)：http://book.douban.com/doulist/150735/

---

开源项目：

Apache mahout http://mahout.apache.org/

Weka http://www.cs.waikato.ac.nz/ml/weka/

Javaml: http://java-ml.sourceforge.net/

numpy: http://numpy.scipy.org/

orange: http://orange.biolab.si/

中文自然语言处理包FudanNLP: http://code.google.com/p/fudannlp/

自然语言处理包： http://opennlp.apache.org/

中文分词ICTCLAS：http://ictclas.org

MyMediaLite Recommender System Library:http://www.ismll.uni-hildesheim.de/mymedialite/