《学习《推荐系统与深度学习》读书笔记1》

2019.10.11至2019.10.13期间，自己阅读了《推荐系统与深度学习》这本书。通过对书中的内容的学习，自己了解和掌握了推荐系统的基本知识、算法和架构。下面，自己将按照书中的内容顺序对每章的内容进行整理。

第一章　什么是推荐系统（对相关内容的简介）

1.1 推荐算法和系统

基于内容的推荐算法：涉及TF-IDF。

主流推荐算法：基于协同过滤的推荐算法。

                 　　该算法最早由亚马逊提出并应用。

                 　　可被划分为：物品协同过滤、用户协同过滤、基于模型的协同过滤。

　　　　　　　其中，基于模型的协同过滤包括聚类模型和贝叶斯网络等。目前最为广泛使用的是奇异值分解SVD方法。考虑到用户的隐形行

　　　　　　　为和时间变化的维度，在此基础上衍生出SVD++、time-SVD++、三维矩阵分解等法。

混合推荐系统：特征很重要！

              　　　可将推荐问题转化为分类问题，之后使用LR等模型进行CTR预测。

基于深度学习的推荐系统。

推荐系统的架构：要求线