the beginning of Recommender Systems Handbook

最新推荐文章于 2020-11-03 14:01:49 发布
最新推荐文章于 2020-11-03 14:01:49 发布
阅读量413 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a199409/article/details/51202840
版权

准备开始读《Recommender Systems Handbook》，先签个到，一定要坚持下去，坚持做读书笔记。

                                                                                                                          ———Nirvana

2016/4/20

ShiLin-Qu
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Recommender Systems Handbook
12-17
一本很好的学习推荐系统的参考手册，全面而系统。由全球做推荐系统的研究人员参与编写。目录主干： 1 Introduction to Recommender Systems Handbook Part I Basic Techniques 2 Data Mining Methods for Recommender Systems 3 Content-based Recommender Systems: State of the Art and Trends 4 A Comprehensive Survey of Neighborhood-based Recommendation Methods 5 Advances in Collaborative Filtering 6 Developing Constraint-based Recommenders 7 Context-Aware Recommender Systems Part II Applications and Evaluation of RSs 8 Evaluating Recommendation Systems 9 A Recommender System for an IPTV Service Provider: a Real Large-Scale Production Environment. 10 How to Get the Recommender Out of the Lab? 11 Matching Recommendation Technologies and Domains 12 Recommender Systems in Technology Enhanced Learning Part III Interacting with Recommender Systems 13 On the Evolution of Critiquing Recommenders 14 Creating More Credible and Persuasive Recommender Systems:The Influence of Source Characteristics on Recommender System Evaluations 15 Designing and Evaluating Explanations for Recommender Systems 16 Usability Guidelines for Product Recommenders Based on Example Critiquing Research 17 Map Based Visualization of Product Catalogs Part IV Recommender Systems and Communities 18 Communities, Collaboration, and Recommender Systems in PersonalizedWeb Search 19 Social Tagging Recommender Systems 20 Trust and Recommendations 21 Group Recommender Systems: Combining Individual Models Part V Advanced Algorithms 22 Aggregation of Preferences in Recommender Systems 23 Active Learning in Recommender Systems 24 Multi-Criteria Recommender Systems 25 Robust Collaborative Recommendation
Recommender Systems Handbook-Chapter 1 读书笔记（上）
山上之城
07-24 260
摘要 推荐系统（Recommender Systems，RSs）是为user提供可能有用的items的软件工具和技术。这一章主要是介绍一些RS的基本概念，目标是勾画一个轮廓，用一种清晰的结构化的方式，帮助读者在本书浩如烟海的内容中，提供一个导航。 1.1 Introduction 此处省略1万字 1.2 Recommender Systems Function 推荐系统的一些作用： Find s...
跨领域推荐之知识链接
一个研究生的推荐系统学习记录
11-03 808
摘选自《Recommender Systems Handbook》—— “27.5.1 Linking Domains”   本文主要针对跨领域推荐中知识链接类方法进行概述。在介绍具体内容前将相关的基础知识加以介绍。 跨领域推荐面临的关键问题 数据的有效选取 　　由于存在许多能够对目标域进行信息补充的领域，每个辅助域中又有许多潜在的可利用数据。不同辅助域内的信息能够提供的贡献程度有所不同，选取不合理的话甚至可能产生反向效果。因此，面对海量的真实数据，合理选取出对推荐性能的提升更有帮助的数据是跨领.
Recommender Systems Handbook的目录
zy825316的专栏
04-18 1329
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 Recommender Systems Handbook的目录。虽然现在处于一个比较迷茫的阶段，不过昨晚写那段设计模式的代码的时候，还是深深的感受到了对编程的喜爱。废话不多说，上吧。 目录
Recommender Systems Handbook读书笔记之第四章(1)
何晏成的专栏
12-18 792
Recommender Systems Handbook第四章为A Comprehensive Survey of Neighborhood-based Recommendation Methods，主要讲述基于近邻的推荐方法。 读完第一部分，感觉文中提到的基于近邻的方法也就是协同过滤，记下一些重要的东西。 Collaborative filtering 的方法基于这样的一个假设：如果
Introduction to Recommender Systems Handbook
02-20
Introduction to Recommender Systems Handbook Francesco Ricci, Lior Rokach and Bracha Shapira Recommender Systems (RSs) are software tools and techniques providing suggestions for items to be of use to...
Recommender Systems Handbook, 3rd Edition
06-11
推荐系统手册，第三版 Recommender Systems Handbook, 3rd Edition
Recommender Systems Handbook Part 1
11-06
Recommender systems have proven to be a valuable way for online users to cope with the information overload and have become one of the most powerful and popular tools in electronic commerce....
Recommender Systems Handbook读书笔记
nkwangjie的专栏
12-05 1898
《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
Statistical Models and Methods for Financial Markets
08-18
Statistical Models and Methods for Financial Markets
Recommender Systems.pdf
08-30
Recommender Systems : An introduction —— Dietmar Jannach, TU Dortmund, Germany
infrared-remote-candroid studiodemo
05-05
android studio下载
【新质生产力】新质生产力赋能智能制造数字化解决方案.pptx
05-05
【新质生产力】新质生产力赋能智能制造数字化解决方案.pptx
基于matlab实现的用于应用布格重力异常数据反演地下异常密度体.rar
05-05
基于matlab实现的用于应用布格重力异常数据反演地下异常密度体.rar
node-v8.10.0-linux-x64.tar.xz
最新发布
05-05
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
recommender systems
01-11
推荐系统是一种利用用户的历史行为，如购买、点击或评分数据，来预测用户可能喜欢的商品或内容，并向其进行推荐的系统。推荐系统可以帮助用户发现他们感兴趣的新产品或信息，同时也可以帮助商家提高销售和用户满意度...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值