Recommender Systems Handbook读书笔记

《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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
The explosive growth of e-commerce and online environments has made the issue of information search and selection increasingly serious; users are overloaded by options to consider and they may not have the time or knowledge to personally evaluate these options. 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. Correspondingly, various techniques for recommendation generation have been proposed. During the last decade, many of them have also been successfully deployed in commercial environments. Recommender Systems Handbook, an edited volume, is a multi-disciplinary effort that involves world-wide experts from diverse fields, such as artificial intelligence, human computer interaction, information technology, data mining, statistics, adaptive user interfaces, decision support systems, marketing, and consumer behavior. Theoreticians and practitioners from these fields continually seek techniques for more efficient, cost-effective and accurate recommender systems. This handbook aims to impose a degree of order on this diversity, by presenting a coherent and unified repository of recommender systems’ major concepts, theories, methodologies, trends, challenges and applications. Extensive artificial applications, a variety of real-world applications, and detailed case studies are included. Recommender Systems Handbook illustrates how this technology can support the user in decision-making, planning and purchasing processes. It works for well known corporations such as Amazon, Google, Microsoft and AT&T. This handbook is suitable for researchers and advanced-level students in computer science as a reference.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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