Recommender Systems Handbook读书笔记之7

Recommender Systems Handbook读书笔记之7

《Recommender Systems
Handbook》,市面上未多之有关引进系统的书写某。2010年10月出版,英文版。目前尚并未中文版,估计起中文版的可能性不生,读者数量最为少了。全书871页,比较重视。Amazon.com上立本开还未曾读者评论,看来在英语世界里“推荐系统“这个主题也相对较冷。

即本开纯属断续续看了三单月。总体感觉还是异常对。由同众多相关领域的研讨人口集体编写,每一样节还出几乎各项研究者负责。

全书共划分五多数:
1:基础技术,介绍各种推荐算法。
2:具体运用及其评估
3:与引进系统相互
4:推荐系统以及社群
5:高级算法

少片比较基础,后面三独片相对来说去实际采用远一些,许多情节还处在研究中。

以下是看过程被之一些摘抄(大部分凡自前6首笔记中复制过来的)

书被率先回是全书介绍,其中总结了推介系统的用处如下:

1:增加产品销售量;
2:销售又多门类的产品。推荐系统可以推荐产生用户可能理所当然不会见失掉注意的旁品种的货色;
3:提高用户满意度;
4:提高用户忠诚度;
5:更好地了解用户要求;
6:找到有帅之制品;
7:找到通美之产品;某些场景(比如有些医疗或者财务的采取)需要找到任何之适用的制品;
8:对活开注解,比如在电视机推荐系统受证实如何节目值得看;
9:推荐系列产品;
10:推荐打包产品;
11:只看无购买,这种景象下依然可以推荐产生配合用户兴趣之成品;
12:找到可信之推介系统:有时候用户不相信系统的推荐,有些则可以供一些功能让用户失去测试其的推介结果;
13:改善用户资料:通过推荐系统可理解再也多的用户的爱慕好;
14:自我表达:有些用户喜爱表达友好对成品之见识;
15:帮助人家;
16:影响他人;

老二段:推荐系统受到运用的数目挖掘方法,分为:数据处理(相似度度量、抽样、降维、降噪)、分类(具体算法来近年来邻近、决策树、基于规则的分类、贝叶斯分类、人工神经网络、支持于量机)、聚类分析、关联规则挖掘
老三章:基于内容之引进系统:State of the Art and Trends。
季段:基于近邻的推荐方法概览。

以下一略带段内容选择译自第四章:

产生三种档次的消息寻找:
1:搜索对象清晰而识别;
2:搜索对象非可知叫全描述,但是得让一眼认出;
3:以意想不到之、偶然的方式获取信息;

第五回:协同过滤中之精益求精;
第六章:开发基于约束之推荐器;

以下内容摘自第六段:

风土人情推荐方法(基于内容之过滤跟联合过滤)对于书写,电影,新闻之类的产品是非常适合的。但是当汽车,电脑,房产,财务服务等世界的推介着不是最最好的方式。比如房产的买卖数要丢生多,某个产品无容易收集至大气之用户评价。并且,用户对依据数年前之活性状的引进会格外无乐意。
依据知识之引荐系统可以缓解就好像问题,并且根据知识之推介系统没有冷启动(新产品得不交推介)的问题。当然,知识获取是当下好像系的瓶颈。

第七节:上下文感知的推荐系统:常规推荐系统就考虑user和item,上下文感知的引进系统虽然当“上下文信息”也需要考虑。比如旅游网站的引荐,冬天以及夏应当产生深挺不同;再按照新闻网站的推介用考虑时间,工作日用户更愿关注时事新闻和股市信息,周末虽又愿意关注电影评论与购物信息;
第八章节:评估推荐系统

第九节:一个IPTV服务供应商的推介系统:一个周边产品环境。介绍一个电视点播系统面临之引荐系统。挑战是索要实时,同时又无法判定操作遥控器的用户之身份(解决方案是因时间段来区别用户)
第十章:如何以实验室之外得到推荐系统:介绍搭建实际用之引荐系统要考虑的上面;
第十一回:匹配推荐技术同天地:介绍不同应用场景下适用的引荐技术及算法;
第十二章节:Technology Enhanced Learning中之推介系统;

第十三章:对于评价推荐系统(Critiquing
Recommenders)的评估。所谓评论推荐系统,是冲用户的品来调整推荐内容之系。
第十四节:创建更可信的、更起说服力的引荐系统:原始特征对推荐系统评估的影响
第十五节:为推介系统规划、评估“推荐系统于用户的解释”(Designing and
Evaluating Explanations for
Recommender Systems)
第十六回:对“基于点评研究的生推荐系统”的可用性的指导
第十七段:基于地图的产品类别可视化
第十八回:个性化web搜索中的社群、协同与推介系统
第十九节:社区tag推荐系统
第二十章:信任与推介
第二十一章节:团体推荐系统:合并个体模型
第二十二章:聚集推荐系统遭到之参数
第二十三段:推荐系统受到的实时学习
第二十四章节:多独考评标准的引进系统
第二十五章:健壮的推荐