insideComputing博客笔记

《推荐系统(recommender system)的常用算法对比》http://www.insidecomputing.org/?p=206

• 几种推荐方法
  
  • 基于内容的推荐
  • 协同过滤推荐
  • 基于规则推荐
  • 基于效用推荐
  • 基于知识推荐
  • 组合推荐（Hybrid Recommendation）经常被采用。研究和应用最多的是内容推荐和协同过滤推荐的组合。最简单的做法就是分别用基于内容的方法和协同过滤推荐方法 去产生一个推荐预测结果，然后用某方法组合其结果。尽管从理论上有很多种推荐组合方法，但在某一具体问题中并不见得都有效，组合推荐一个最重要原则就是通 过组合后要能避免或弥补各自推荐技术的弱点。

《搜狐新闻客户端的推荐系统背后大数据技术》http://www.insidecomputing.org/?p=538

• 描述了新闻客户端遇到的内容分类质量识别图文、视频、音频、游戏、数据稀疏、内容冷启动、用户冷启动、噪音处理、三俗内容等棘手问题
• PPT《基于全网内容的新闻客户端推荐系统》：http://download.csdn.net/detail/u010702509/8272715

《推荐系统(recommender system)经典论文文献及业界应用》

• Survey方面的文章及资料

• Content-based方法

  • Neighbourhood Based Methods
  • Model Based Methods
  • Hybrid Methods

• 推荐系统工业界应用

• 推荐系统书籍
• 推荐系统工具
• 经典推荐算法大赛数据

《京东大数据: 基于大数据建模的JDPhone需求挖掘》http://www.insidecomputing.org/?p=545

《除了深度学习，机器学习领域近年来还有什么热点吗》https://www.zhihu.com/question/26976414

《推荐系统是计算广告的一部分？谁说的，过来我保证不打死你》 http://dataunion.org/20561.html

• 推荐系统和计算广告是不同维度上的概念。推荐系统是一种技术，广告是一项业务。个性化推荐可以用在广告中，更可以用在别的产品层面。同时，个性化推荐只是计算广告的一个环节，一个完整的广告系统还需要其他很多重要的技术组件。
• 个性化推荐在广告之外的很多产品层面都有应用
• 广告系统也不仅仅只有个性化推荐
• 个性化推荐不一定非要是机器学习