推荐系统11——《推荐系统实践》总结

在之前我也看了很多人写的推荐系统的博客，理论的、算法的都有，多是个人的理解和感悟，虽然很深刻，但是对于自己而言还是不成系统，于是我参考大牛项亮编著的《推荐系统实践》将该领域知识系统整理一遍，与大家一起学习。
本系列对应的代码请查看https://github.com/wangyuyunmu/Recommended-system-practice

前面总结推荐系统常用的数据、算法、架构等，具体内容清查看本系列推荐系统1—10。

---

1，推荐系统概述

本部分总结推荐系统的定义、实验方法、评价方法、应用领域等，解释什么是好的推荐系统。

2，TopN推荐

本部分总结了TopN推荐所遇到的数据类型，每一种数据类型所对应的推荐算法，以及在每一种数据场景下推荐的目的和作用。

3，评分预测

本部分总结了评分预测推荐的多种场景和方法，相对于TopN推荐，算法的诸多思路很相似，计算方法上有差别。

4，推荐系统架构

本图是书中的推荐系统架构图，分为特征生成、召回、排序几个部分，多种推荐引擎配合达成推荐目标。

本篇到此，《推荐系统实践》总结完毕，书中设计的算法大多都比较传统、简单，例如topc-model模型没有展开细说，矩阵分解也只是大概描述，但是本书对推荐系统进行了全面的概括，对于小白而言有了初步的认识，本系列后面还会通过算法专题的形式进行常用算法的总结。