关闭

推荐系统比较好的论

257人阅读 评论(0) 收藏 举报
分类:

链接:http://www.zhihu.com/question/25566638/answer/37455091
来源:知乎

推荐几篇对工业界比较有影响的论文吧:

1. The Wisdom of The Few 豆瓣阿稳在介绍豆瓣猜的时候极力推荐过这篇论文,豆瓣猜也充分应用了这篇论文中提出的算法;
2. Restricted Boltzmann Machines for Collaborative Filtering 目前Netflix使用的主要推荐算法之一;
3. Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model 这个无需强调重要性,LFM几乎应用到了每一个商业推荐系统中;
4. Collaborative Filtering with Temporal Dynamics 加入时间因素的SVD++模型,曾在Netflix Prize中大放溢彩的算法模型;
5. Context-Aware Recommender Systems 基于上下文的推荐模型,现在不论是工业界还是学术界都非常火的一个topic;
6. Toward the next generation of recommender systems 对下一代推荐系统的一个综述;
7. Item-Based Collaborative Filtering Recommendation Algorithms 基于物品的协同过滤,Amazon等电商网站的主力模型算法之一;
8. Information Seeking-Convergence of Search, Recommendations and Advertising 搜索、推荐和广告的大融合也是未来推荐系统的发展趋势之一;
9. Ad Click Prediction: a View from the Trenches 可以对推荐结果做CTR预测排序;
10. Performance of Recommender Algorithm on top-n Recommendation Task TopN预测的一个综合评测,TopN现在是推荐系统的主流话题,可以全部实现这篇文章中提到的算法大概对TopN有个体会;
11. dsec.pku.edu.cn/~jinlon 北大一博士对Netflix Prize算法的研究做的毕业论文,这篇论文本身对业界影响不大,但是Netflix Prize中运用到的算法极大地推动了推荐系统的发展;
通过这些论文可以对推荐系统有个总体上的全面认识,并且能够了解一些推荐系统的发展趋势。剩下的就是多实践了。Good luck!
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:16614次
    • 积分:271
    • 等级:
    • 排名:千里之外
    • 原创:9篇
    • 转载:14篇
    • 译文:0篇
    • 评论:6条
    文章分类
    最新评论