有关推荐系统的一些资料

转自豆瓣：http://www.douban.com/note/127225655/?post=ok#last

   书籍或论文
 
   附件1：《集体智慧编程（Collective Intelligence）》 第二章 Making Recommendations;
   下载地址：http://download.csdn.net/source/272746
    
   附件2：ACM Recsys2010 workshop on Recommender Systems  and the Social Web 的论文集
   下载地址：http://www.dcs.warwick.ac.uk/~ssanand/RSWeb_files/Proceedings_RSWEB-10.pdf    
   
   附件3：2009 ACM的一篇文章 《The Wisdom of the Few》
   下载地址：http://www.cscs.umich.edu/~jmpujol/public/papers/wisdowm_few_sigir09.pdf

   Recommender Systems Handbook（感谢阿稳推荐~）
   豆瓣链接：http://book.douban.com/subject/3695850/

   第一届推荐推荐系统高峰论坛：http://www.resysforum.org/（峰会视频，ppt）

   一些网址
      
   豆瓣在推荐领域的实践和思考  作者是 豆瓣算法组的老大
   http://www.slideshare.net/clickstone/ss-2756065
     
   Resys China
   http://www.resyschina.com/

   Resys China的豆瓣小站
   http://site.douban.com/106414/
     
      
   几个博客
      
   胖子，豆瓣算法团队负责人
   http://www.douban.com/people/1000037/

   clickstone, 北航博士，cutt网创始人      
   http://www.guwendong.com/
   附豆瓣页面：http://www.douban.com/people/wdgu/

   xlvector, 中科院博士，Netflix Prize第二名团队成员
   http://xlvector.net/blog/

   阿稳，中科大硕士，豆瓣算法团队，算法攻城师
   http://www.wentrue.net/blog/
   附豆瓣页面：http://www.douban.com/people/wentrue/

   canbiao，百度广告部门
   http://www.douban.com/note/89843147/

   chen_1st

   百度hi：http://hi.baidu.com/chen_1st

   豆瓣：http://www.douban.com/people/chen_1st/

开源项目：

dunie：http://www.duineframework.org/
   
   

    
    
 Mahout-Taste：http://mahout.apache.org/
   
   

my slideshare id：idy_10000;http://www.slideshare.net/idy_10000


   个人觉得推荐系统本身还是有科研价值的，基于以下三点考虑：
      
   1.常规的推荐系统的问题（如冷启动等）一直没有得到很好的解决；
      
   2.传统的机器学习算法一般是基于数据和知识不足的假设，而在数据爆炸的今天，前提假设已经发生了非常大的变化，从而需要对旧的算法做出改进；（借鉴自once的年终总结）
      
   3.在工业界已经证明了其价值（Google， Facebook，Netflix，国内的 百度、豆瓣）