推荐系统技术评估及高效算法 蜗牛式学习螺旋上天

一本636页的书…

我恨…

第一章：

简介

推荐系统的功能

对于服务提供商
增加物品销售数量
出售更多种类的物品
增加用户满意度、增加用户忠诚度
更加了解用户需求
其他功能
帮助消费者发现一些好的物品
帮助消费者发现所有好的物品
产品注释
推荐系列产品
搭配推荐
闲逛（发现用户的兴趣点）
发现可信的推荐系统
完善用户资料
自我表达
帮助他人
影响他人

数据和知识资源

构建物品模型（属性、特征表示）
构建用户模型（用户特征）
事务（用户和推荐系统的交互记录）

推荐技术

目标是使R（物品，用户）的可用度函数值最大
基于内容（系统为用户推荐他们过去感兴趣的类似物品）
协同过滤（找到与用户有相同品位的用户，然后将相似用户过去感兴趣的产品推荐给用户）
基于人口统计学（根据用户的语言、文化、国籍、年龄等进行推荐）
基于知识（依赖用户朋友的偏好）
混合推荐系统（综合以上的几种进行协同工作）

评价

算法评价
覆盖率、冷启动、信息值、新颖性、风险度、惊喜度

推荐系统和人机交互

信任、解释和说服力
透明度（说明系统如何工作）
可反馈性（允许告诉用户有错误）
信任（增加用户对系统的信心）
有效性（帮助用户做出好的决定）
说服力（说服用户去尝试或者购买）
高效性（帮助用户快速选择）
满意度（增加用户的舒适度和乐趣）
会话系统

基于评价（第13章）
基于偏好（16章）

出现的问题和挑战

挑战
大的真实数据集背景下的算法扩展性
主动推荐系统
隐私保护
推荐给目标用户的物品多样性
建立列表中整合用户长阿奇和短期偏好
通用的哟用户模型和数据
开放式网络运行分布式推荐系统
最优化推荐序列
移动上下文推荐系统