推荐系统——1.介绍

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

1. 介绍
2. 协同过滤（CF）
3. 协同过滤中的高级主题（Advanced Topics in CF）
4. 基于内容的推荐系统（Contented-based Recommendation）
5. 基于知识的推荐系统（Knowledge-based Recommendation）
6. 序列化推荐系统（Sequential Recommendation）
7. 推荐系统可解释性（Explainable Recommendation）
8. 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
• 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
• 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

算法库

LibRec
https://github.com/guoguibing/librec