推荐系统-从入门到精通

简介: 推荐系统-从入门到精通    为了方便大家从理论到实践,从入门到精通,循序渐进系统地理解和掌握推荐系统相关知识。特做了个读物清单。大家可以按此表阅读,也欢迎提出意见和指出未标明的经典文献以丰富各学科需求(为避免初学者疲于奔命,每个方向只推荐几篇经典文献)。
推荐系统-从入门到精通

    为了方便大家从理论到实践,从入门到精通,循序渐进系统地理解和掌握推荐系统相关知识。特做了个读物清单。大家可以按此表阅读,也欢迎提出意见和指出未标明的经典文献以丰富各学科需求(为避免初学者疲于奔命,每个方向只推荐几篇经典文献)。
1. 中文综述(了解概念-入门篇)
a) 个性化推荐系统的研究进展
b) 个性化推荐系统评价方法综述
2. 英文综述(了解概念-进阶篇)
a) 2004ACMTois-Evaluating collaborative filtering recommender systems
b) 2004ACMTois -Introduction to Recommender Systems - Algorithms and evaluation
c) 2005IEEEtkde Toward the next generation of recommender systems - A survey of the state-of-the-art and possible extensions
3. 动手能力(实践算法-入门篇)
a) 2004ACMtois Item-based top-N recommendation algorithms(协同过滤)
b) 2007PRE Bipartite network projection and personal recommendation(网络结构)
4. 动手能力(实践算法-进阶篇)
a) 2010PNAS-Solving the apparent diversity-accuracy dilemma of recommender systems (物质扩散和热传导)
b) 2009NJP Accurate and diverse recommendations via eliminating redundant correlations (多步物质扩散)
c) 2008EPL Effect of initial configuration on network-based Recommendation (初始资源分配问题)
5. 推荐系统扩展应用(进阶篇)
a) 2009EPJB Predicting missing links via local information(相似性度量方法)
b) 2010theis-Evaluating Collaborative Filtering over time(基于时间效应的博士论文)
c) 2009PA Personalized recommendation via integrated diffusion on user-item-tag tripartite graphs (基于标签的三部分图方法)
d) 2004LNCS Trust-aware collaborative filtering for recommender systems(基于信任机制)
e) 1997CA-Fab_content-based, collaborative recommendation(基于文本信息)
6. 推荐结果的解释(进阶篇)
a) 2000CSCW-Explaining Collaborative Filtering Recommendations
b) 2011PRE-Information filtering via biased heat conduction
c) 2011PRE- Information filtering via preferential diffusion
d) 2010EPL Link Prediction in weighted networks - The role of weak ties
e) 2010EPL-Solving the cold-start problem in recommender systems with social tags
7. 推荐系统综合篇(专著、大型综述、博士论文)
a) 2005Ziegler-thesis-Towards Decentralized Recommender Systems
b) 2010Recommender Systems Handbook

相关文章
|
消息中间件 存储 机器学习/深度学习
推荐系统入门
前言我最近正在入门推荐系统,发现这是一个非常有意思的领域。推荐系统无处不在,现在几乎所有的网站和应用里最显眼的位置和重要的位置中都是推荐系统。电商类的软件,例如Amazon、京东、淘宝、拼多多;首页和商品页面附近都是推荐你购买新的商品;视频类软件,例如Youtube、Bilibili、爱奇艺,它们的首页和搜索页中也都在推荐你可能会喜欢的影片;游戏类软件,例如原神、王者荣耀,无时无刻都在推荐你它们的
424 1
|
11月前
|
机器学习/深度学习 算法 搜索推荐
一文入门推荐系统——推荐系统实践读书笔记(中)
一文入门推荐系统——推荐系统实践读书笔记(中)
|
11月前
|
存储 机器学习/深度学习 缓存
一文入门推荐系统——推荐系统实践读书笔记(下)
一文入门推荐系统——推荐系统实践读书笔记(下)
|
11月前
|
机器学习/深度学习 存储 搜索推荐
一文入门推荐系统——推荐系统实践读书笔记(上)
一文入门推荐系统——推荐系统实践读书笔记(上)
|
机器学习/深度学习 存储 传感器
【机器学习入门与实践】合集入门必看系列,含数据挖掘项目实战
【机器学习入门与实践】合集入门必看系列,含数据挖掘项目实战
|
机器学习/深度学习 存储 搜索推荐
可能是推荐系统最详细且简单的入门教程
本文将深入介绍推荐系统的工作原理,和其中涉及的各种推荐机制,以及它们各自的优缺点和适用场景,帮助用户清楚的了解和快速构建适合自己的推荐系统。
1374 0
可能是推荐系统最详细且简单的入门教程
|
机器学习/深度学习 数据采集 人工智能
《机器学习案例实战(第2版)》出版
机器学习是人工智能的重要技术基础,涉及的内容十分广泛。本书基于Python语言,实现了12个典型的实战案例,其内容涵盖了机器学习的基础算法,主要包括统计学习基础、可视化、常用的分类算法、文本分析、卷积神经网络、循环神经网络、注意力机制、生成对抗网络、电子推荐系统等理论。本书深入浅出,以实际应用的项目作为案例,实践性强,注重提升读者的动手操作能力,适合作为高等院校本科生、研究生机器学习、深度学习、数据挖掘等课程的实验教材,也可作为对机器学习和深度学习感兴趣的研究人员和工程技术人员的参考资料。 感谢阿里云计算有限公司在案例写作过程中的支持!
621 0
《机器学习案例实战(第2版)》出版
|
机器学习/深度学习 算法 数据可视化
全网最快入门———R语言机器学习实战篇5
R 语言是为数学研究工作者设计的一种数学编程语言,主要用于统计分析、绘图、数据挖掘。 机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
全网最快入门———R语言机器学习实战篇5
|
机器学习/深度学习 存储 算法
全网最快入门———R语言机器学习实战篇3
R 语言是为数学研究工作者设计的一种数学编程语言,主要用于统计分析、绘图、数据挖掘。 机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
全网最快入门———R语言机器学习实战篇3
|
机器学习/深度学习 算法 数据挖掘
全网最快入门———R语言机器学习实战篇2
R 语言是为数学研究工作者设计的一种数学编程语言,主要用于统计分析、绘图、数据挖掘。 机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
全网最快入门———R语言机器学习实战篇2