推荐书目
- 《推荐系统技术、评估及高效算法》
- 《推荐系统进展方法和技术》
章节
- 介绍
- 协同过滤(CF)
- 协同过滤中的高级主题(Advanced Topics in CF)
- 基于内容的推荐系统(Contented-based Recommendation)
- 基于知识的推荐系统(Knowledge-based Recommendation)
- 序列化推荐系统(Sequential Recommendation)
- 推荐系统可解释性(Explainable Recommendation)
- 评估推荐系统(Evaluating Recommendation)
相关领域
- 信息检索(Information Retrieval)
- 数据挖掘(Data Mining)
- 机器学习(Machine Learning)
- 人机交互(Human-Computer Interaction)
- 人工智能(Artificial Intelligence)
推荐系统
帮助匹配用户和项目,从而减轻信息过载,满足个性化需求。
- 协同过滤:告诉我同龄人之间都流行什么。
- 优点:
- 无需知识工程的努力
- 结果的偶然性
- 学习细分市场
- 缺点:
- 需要某种形式的评级反馈
- 对新用户、新项目需要进行冷启动
- 优点:
- 基于内容的推荐:给我展示更多与我所爱相同的东西。
- 优点:
- 无需社区
- 在可能的项目之间进行比较
- 缺点:
- 必须对项目进行描述
- 对新用户需要进行冷启动
- 优点:
- 混合推荐:结合各种输入以及不同的机制。
- 优点:
- 性能更佳
- 缺点:
- 难以实现
- 高复杂度
- 优点:
算法库
LibRec
https://github.com/guoguibing/librec