Recommender Systems Handbook读书笔记之7

日期:2019-10-06编辑作者:电影

本周看到了第六章。全书共25章。

Recommender Systems Handbook读书笔记之7

从已经看过的内容来看,这本书对推荐系统的介绍比较全面,另外也深入介绍一些具体的算法,给出具体的计算公式。这些公式中有一些的数学符号我已经记不清具体含义了。

《Recommender Systems Handbook》,市面上不多的关于推荐系统的书之一。2010年10月出版,英文版。目前还没有中文版,估计出中文版的可能性不大,读者数量太少了。全书871页,比较厚。Amazon.com上这本书还没有读者评论,看来在英语世界里“推荐系统“这个主题也相对比较冷。

以下是前六章的内容概括:
第一章:全书介绍;
第二章:推荐系统中使用的数据挖掘方法,分为:数据处理(相似度度量、抽样、降维、降噪)、分类(具体算法有最近邻、决策树、基于规则的分类、贝叶斯分类、人工神经网络、支持向量机)、聚类分析、关联规则挖掘
第三章:基于内容的推荐系统:State of the Art and Trends。
第四章:基于近邻的推荐方法概览。
彩世界首页,第五章:协同过滤中的改进;
第六章:开发基于约束的推荐器;

这本书断断续续看了三个月。总体感觉还是很不错。由一群相关领域的研究人员集体编写,每一章都有几位研究者负责。

以下内容摘自第六章:

全书共分五大部分:
1:基础技术,介绍各种推荐算法。
2:具体应用及其评估
3:与推荐系统交互
4:推荐系统与社群
5:高级算法

传统推荐方法(基于内容的过滤和协同过滤)对于书,电影,新闻之类的产品是非常适合的。但是在汽车,电脑,房产,财务服务等领域的推荐中不是最好的方法。比如房产的买卖数量要少很多,某个产品不容易收集到大量的用户评价。并且,用户对基于数年前的产品特征的推荐会很不满意。
基于知识的推荐系统可以解决这类问题,并且基于知识的推荐系统没有冷启动(新产品得不到推荐)的问题。当然,知识获取是这类系统的瓶颈。

一二部分比较基础,后面三个部分相对来说离实际应用远一些,许多内容还处于研究中。

以下是读书过程中的一些摘抄(大部分是从前6篇笔记中复制过来的)

书中第一章是全书介绍,其中总结了推荐系统的用途如下:

1:增加产品销售量;
2:销售更多类别的产品。推荐系统可以推荐出用户可能本来不会去留意的其他类别的商品;
3:提高用户满意度;
4:提高用户忠诚度;
5:更好地理解用户需求;
6:找到一些优秀的产品;
7:找到全部优秀的产品;某些场景(比如一些医疗或财务的应用)需要找到全部的合适的产品;
8:对产品做注解,比如在电视推荐系统中说明哪些节目值得观看;
9:推荐系列产品;
10:推荐打包产品;
11:只看不买,这种场景下仍然可以推荐出匹配用户兴趣的产品;
12:找到可信的推荐系统:有时候用户不相信系统的推荐,有些体统可以提供一些功能让用户去测试它们的推荐结果;
13:改善用户资料:通过推荐系统可以知道更多的用户的喜好;
14:自我表达:有些用户喜欢表达自己对产品的看法;
15:帮助他人;
16:影响他人;

第二章:推荐系统中使用的数据挖掘方法,分为:数据处理(相似度度量、抽样、降维、降噪)、分类(具体算法有最近邻、决策树、基于规则的分类、贝叶斯分类、人工神经网络、支持向量机)、聚类分析、关联规则挖掘
第三章:基于内容的推荐系统:State of the Art and Trends。
第四章:基于近邻的推荐方法概览。

以下一小段内容摘译自第四章:

有三种类型的信息搜索:
1:搜索对象清晰可辨;
2:搜索对象不能被完全描述,但是可以被一眼认出;
3:以意外的、偶然的方式获取信息;

本文由彩世界发布于电影,转载请注明出处:Recommender Systems Handbook读书笔记之7

关键词:

因为一个人,恋上一座城

姓名:郝晓晗              高校:三明专业才干大学             电话17735861512 因为一个人,恋上一座城。 自家...

详细>>

冯小刚新作《芳华》定档国庆 黄轩演绎“老炮儿

 想必大家的朋友圈都被《芳华》刷屏了,对于《芳华》单日票房过亿的成绩,小刚导演还是非常满意的。除了电影故...

详细>>

夏洛蒂·勃朗特长眠了200年,“简·爱”的年代仍

《简·爱》插画 为纪念夏洛蒂·勃朗特诞辰200周年,向这位伟大的女性作家致敬,英国举办了三场展览。珍贵的信函、...

详细>>

庄表伟《开源思虑集》上线

亚马逊阅读下载地址 豆瓣阅读下载地址 多看阅读下载地址 请点击以上平台链接下载阅读 作者简介 庄表伟,华为内源...

详细>>