Recommender Systems Handbook读书笔记

转载 2013年12月05日 10:16:30

《Recommender Systems Handbook》,市面上不多的关于推荐系统的书之一。2010年10月出版,英文版。目前还没有中文版,估计出中文版的可能性不大,读者数量太少了。全书871页,比较厚。Amazon.com上这本书还没有读者评论,看来在英语世界里“推荐系统“这个主题也相对比较冷。

这本书断断续续看了三个月。总体感觉还是很不错。由一群相关领域的研究人员集体编写,每一章都有几位研究者负责。

全书共分五大部分:
1:基础技术,介绍各种推荐算法。
2:具体应用及其评估
3:与推荐系统交互
4:推荐系统与社群
5:高级算法

一二部分比较基础,后面三个部分相对来说离实际应用远一些,许多内容还处于研究中。

以下是读书过程中的一些摘抄(大部分是从前6篇笔记中复制过来的)

书中第一章是全书介绍,其中总结了推荐系统的用途如下:

1:增加产品销售量;
2:销售更多类别的产品。推荐系统可以推荐出用户可能本来不会去留意的其他类别的商品;
3:提高用户满意度;
4:提高用户忠诚度;
5:更好地理解用户需求;
6:找到一些优秀的产品;
7:找到全部优秀的产品;某些场景(比如一些医疗或财务的应用)需要找到全部的合适的产品;
8:对产品做注解,比如在电视推荐系统中说明哪些节目值得观看;
9:推荐系列产品;
10:推荐打包产品;
11:只看不买,这种场景下仍然可以推荐出匹配用户兴趣的产品;
12:找到可信的推荐系统:有时候用户不相信系统的推荐,有些体统可以提供一些功能让用户去测试它们的推荐结果;
13:改善用户资料:通过推荐系统可以知道更多的用户的喜好;
14:自我表达:有些用户喜欢表达自己对产品的看法;
15:帮助他人;
16:影响他人;

第二章:推荐系统中使用的数据挖掘方法,分为:数据处理(相似度度量、抽样、降维、降噪)、分类(具体算法有最近邻、决策树、基于规则的分类、贝叶斯分类、人工神经网络、支持向量机)、聚类分析、关联规则挖掘
第三章:基于内容的推荐系统:State of the Art and Trends。
第四章:基于近邻的推荐方法概览。

以下一小段内容摘译自第四章:

有三种类型的信息搜索:
1:搜索对象清晰可辨;
2:搜索对象不能被完全描述,但是可以被一眼认出;
3:以意外的、偶然的方式获取信息;

第五章:协同过滤中的改进;
第六章:开发基于约束的推荐器;

以下内容摘自第六章:

传统推荐方法(基于内容的过滤和协同过滤)对于书,电影,新闻之类的产品是非常适合的。但是在汽车,电脑,房产,财务服务等领域的推荐中不是最好的方法。比如房产的买卖数量要少很多,某个产品不容易收集到大量的用户评价。并且,用户对基于数年前的产品特征的推荐会很不满意。
基于知识的推荐系统可以解决这类问题,并且基于知识的推荐系统没有冷启动(新产品得不到推荐)的问题。当然,知识获取是这类系统的瓶颈。

第七章:上下文感知的推荐系统:常规推荐系统只考虑user和item,上下文感知的推荐系统则认为“上下文信息”也需要考虑。比如旅游网站的推荐,冬天与夏天应该有很大不同;再比如新闻网站的推荐需要考虑时间,工作日用户更愿意关注时事新闻和股市信息,周末则更愿意关注电影评论和购物信息;
第八章:评估推荐系统

第九章:一个IPTV服务供应商的推荐系统:一个大规模产品环境。介绍一个电视点播系统中的推荐系统。挑战是需要实时,同时又无法判断操作遥控器的用户的身份(解决方案是根据时间段来区分用户)
第十章:如何在实验室之外得到推荐系统:介绍搭建实际应用的推荐系统需要考虑的方面;
第十一章:匹配推荐技术与领域:介绍不同应用场景下适用的推荐技术与算法;
第十二章:Technology Enhanced Learning中的推荐系统;

第十三章:对于评论推荐系统(Critiquing Recommenders)的评估。所谓评论推荐系统,是根据用户的评论来调整推荐内容的系统。
第十四章:创建更可信的、更有说服力的推荐系统:原始特征对推荐系统评估的影响
第十五章:为推荐系统设计、评估“推荐系统给用户的解释”(Designing and Evaluating Explanations for
Recommender Systems)
第十六章:对“基于点评研究的生产推荐系统”的可用性的指导
第十七章:基于地图的产品类别可视化
第十八章:个性化web搜索中的社群、协同与推荐系统
第十九章:社区tag推荐系统
第二十章:信任与推荐
第二十一章:团体推荐系统:合并个体模型
第二十二章:聚集推荐系统中的参数
第二十三章:推荐系统中的实时学习
第二十四章:多个评判标准的推荐系统
第二十五章:健壮的推荐

相关文章推荐

Recommender Systems Handbook读书笔记之第四章(3)

承接上一篇Recommender Systems Handbook读书笔记之第四章(2),记录一下本章的最后一部分。 基于近邻的推荐方法,有三个重要技术点需要关注:1)评价的归一化;2)相似度权...

Recommender Systems Handbook读书笔记之第四章(1)

Recommender Systems Handbook第四章为A Comprehensive Survey of Neighborhood-based Recommendation Methods,...

Recommender Systems Handbook读书笔记之第四章(2)

承接 Recommender Systems Handbook读书笔记之第四章(1),本篇作为第二部分主要讲了user-based CF和item-based CF计算方法框架,以及两种方法之间的对比...

Recommender Systems Handbook的目录

翻译:Recommender Systems Handbook的目录 缘由 就想翻译点东西,看完"集体智慧编程"之后对机器学习那块有点淡化了。总觉得自己不喜欢数学,更喜欢编程。今天随意翻译翻译 R...

Computer Systems: A Programmer's Perspective --- 读书笔记2

最后一次更新日期:2016-03-10 这本书的中文名字叫《深入理解计算机系统》。当我看到这本书第二章的浮点数部分时,回头发现前面的内容已经不怎么记得了。因此我打算通过写读书笔记的方式来强化自己的理解...

Computer Systems: A Programmer's Perspective --- 读书笔记1

最后一次更新日期:2016-03-03 这本书的中文名字叫《深入理解计算机系统》。当我看到这本书第二章的浮点数部分时,回头发现前面的内容已经不怎么记得了。因此我打算通过写读书笔记的方式来强化自己的理解...

<<Big Data: Principles and Best Practices of Scalable Realtime Data Systems>>读书笔记

Chapter 1 A New Paradigm for Big Data 1.1 How this Book is structured focus on principles of big dat...

Recommender Systems Handbook

  • 2015-04-15 17:08
  • 8.33MB
  • 下载

论文笔记:Wide & Deep Learning for Recommender Systems

论文提要本文在推荐方面提出一种wide & deep learning算法,也就是将一个宽的线性模型和一个深度神经网络一起训练,通过记忆和泛化(memorization and generalizat...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)