推荐系统的参考阅读
专栏主体内容已经结束了,在专栏写作的过程中,我阅读了很多业界公开的资料,我觉得有必要整理出来,供想深入阅读的人继续去找虐。整体来说,在选择参考文献时,我偏爱那些由公司发表的。因为推荐系统本质上还是一种非常依赖实践的算法应用方向,并且,这些商业公司论文中的技术内容也在他们实际的场景中经过了检验。另外,更多的内容是来自我自己的大脑中,所以我在下面列出来的只是一部分,在经过反复删减之后,保留了这些,有中文有英文,一般来说英文居多。有较理论化的,如优化理论,更多的是较实践派,可以学完即用。这些资料分成这么几个类型。
1. 论文:以论文形式发表的,期刊数据库中可以下载到。
2. 网络文章:就是在网上自由流传的内容或者博客,为了方便阅读,我将它们保存为 PDF 格式。
3. 演示文稿:就是作者曾公开演讲过的内容,相对来说不是那么严谨,但是更容易理解。
4. 书:推荐系统相关的书较少,我在专栏中参考过的书只有一本(附件中不提供书的电子文档)。
以上的参考文献我按照章节顺序列在了下面,我还在后面附上一个推荐书单。你可以点击查看。
原理篇
1. 内容推荐
题目:Bag of Tricks for Efficient Text Classification
类型:论文
作者:Facebook
说明:Facebook 开源的文本处理工具 fastText 背后原理。可以训练词嵌入向量,文本多分类,效率和线性模型一样,效果和深度学习一样,值得拥有。
题目:The Learning Behind Gmail Priority Inbox
类型:论文
作者:Google
说明:介绍了一种基于文本和行为给用户建模的思路,是信息流推荐的早期探索,Gmail 智能邮箱背后的原理。
题目:Recommender Systems Handbook(第三章,第九章)
类型:书
作者:Francesco Ricci
等说明:这本书收录了推荐系统很多经典论文,话题涵盖非常广,第三章专门讲内容推荐的基本原理,第九章是一个具体的基于内容推荐系统的案例。
题目:文本上的算法
类型:网络文章 (网络免费版,已有成书《文本上的算法: 深入浅出自然语言处理》,内容更丰富)
作者:路彦雄
说明:介绍了文本挖掘中常用的算法,及基础概念。内容涉及概率论,信息论,文本分类,聚类,深度学习,推荐系统等。
题目:LDA 数学八卦
类型:网络文章
作者:Rickjin(@靳志辉)
说明:由浅入深地讲解 LDA 原理,对于实际 LDA 工具的使用有非常大的帮助。
2. 近邻推荐
题目:Amazon.com recommendations: item-to-item collaborative filtering
类型:论文
作者:Amazon
说明:介绍 Amazon 的推荐系统原理,主要是介绍 Item-Based 协同过滤算法。
题目:Slope One Predictors for Online Rating-Based Collaborative Filtering
类