版权信息:可以任意转载, 转载时请务必以超链接形式标明文章原文出处 ,谢谢
原文出处: http://brianlicn.appspot.com/2010/07/9/introduction_to_recommender_system.html
个性化推荐系统是一门由数据挖掘(Data Mining)和机器学习(Machine
Learning)综合的学科。毕竟现在在很多的公司存在着很多的数据,如何从很多的数据中挖掘出来模式(Pattern)或者叫做知识
(Knowledge)是很重要的工作。就如同在WEKA的书中,由Microsoft的牛人说的,如果从数据Data中提取出来信息
(Information),然后从Information中提取出知识Knowledge是很重要的工作。对这些数据进行处理,主要是有三方面的处理:
即协同过滤(Collaborative Filtering),
分类(Classification)和聚类(Clustering)。下面这块主要是来探讨第一类,
协同过滤,也就是个性化推荐系统。通常很多时候将recommendation engine也说成为Collaborative Filtering
(CF)。 就是协同来过滤,过滤一些不需要的东西,将留下来的就是需要推荐的内容。
在RWW
上对现有的个性化推荐系统进行分类,其主要是分成如下的4类:
All recommendation engines are trying to solve the following problem:
given a set of ratings for a particular user, along with those of the
whole user base, come up with new items that this user will like. There
are many algorithms that can be applied to the problem, but all of them
focus on three elements: personal, social and fundamental
:
-
Personalized recommendation
- recommend things
based on the individual's past behavior
-
Social recommendation
- recommend things based on
the past behavior of similar users
-
Item recommendation
- recommend things based on the
item itself
- A combination
of the three approaches above
翻译如上的语句,即:
所有的推荐引擎就是为了解决如下的问题:输入为给出一个特定用户的打分集合(ratings),以及所有的用户的打分情况,输出为该特点用户感兴趣
的商品等信息(Items)。对于该问题,出来了很多的算法,但是这些算法集中于如下的3种情况: personal, social,
fundamental
-
personalized recommendation
(个性化推荐):基于该特点用户的过去的行为来进行推荐
-
social recommendation
(社会化推荐): 基于有相似兴趣等的用户的行为来进行推荐
-
item recommendation
(商品推荐): 基于商品(Item)本身来进行推荐
- 集合上面3种情况的推荐
上面列出来的personalized recommendation和social
recommendation,其实可以合并为User-based Recommendation,结合Item-based
recommendation和memory-based
recommendation(RWW上没有说)是当前的3大推荐。现在著名的机器学习开源实现mahout
暂时是实现了前两者。
其中social recommendation的经典之作为Toby Segaran
所写的Programming
Collective Intelligence - Building Smart Web 2.0 Applications
,实战型非常
强,告诉你如何去获取数据,存储数据,分析数据,很推荐,编程语言是使用Python,非常易懂。如果暂时没有空来看巨作的话,可以先看看其放出来的
PPT文档, Mining Social Data for Fun and Insight
。也可以看看另外一个
slides,Item Based Collaborative Filtering Recommendation
Algorithms
。也可以参考看看CMU的一个综述slidesm, Collaborative Filtering: A Tutorial
,下载链接为www.cs.cmu.edu/~wcohen/collab-filtering
-tutorial
.ppt
最后,列出一些常见的有关推荐系统的资源(从谷文栋的博客
上转的)
Subjects:
-
Recommender
System
-
Collaborative
Filtering
-
Long Tail
Groups & Researchers:
-
GroupLens Lab
-
Karypis Lab
-
Thomas Hofmann
-
David M. Pennock
Conferences:
-
RecSys 2007
-
KDD Cup
and Workshop 2007
Selected Papers:
-
Paul Resnick
, GroupLens —
An Open Architecture for Collaborative Filtering of Netnews
-
Badrul Sarwar
, Item-based
Collaborative Filtering Recommendation Algorithms
-
Greg Linden
, Amazon.com
Recommendations: Item-to-Item Collaborative Filtering
-
Thomas Hofmann
,
Latent Semantic
Models for Collaborative Filtering
- 4 googlers, Google News
Personalization – Scalable Online Collaborative Filtering
Blogers:
-
Greg Linden
-
Daniel Lemire
-
Duke Listens!
Software Libraries:
-
Taste,
Java, http://taste.sf.net/ (注:
这是mahout在CF方面的前身,现在请直接访问mahout
, http://mahout.apache.org/)
-
Beyond Thoth
,
C#, http://sf.net/projects/beyondthoth/
Resources:
-
Stanford
CS345: Data Mining
-
http://del.icio.us/tag/collaborativefiltering
-
http://del.icio.us/tag/recommendersystem
Books:
完全以个性化技术为中心的书籍很少,但多数讲 Machine
Learning
或者 Data
Mining
的书籍里面,都会有专门的章节,介绍与此相关的内容。
-
Programming Collective
Intelligence
, Toby Segaran
, O'Reilly, 2007.8
-
Personalization
Techniques and Recommender Systems
, Gulden Uchyigit
, World
Scientific, 2008.4
分享到:
相关推荐
类似腾讯新闻、界面新闻一样的基于人工智能个性化推荐平台简单搭建,含新闻网站门户、新闻管理系统后台、个性化推荐系统.zip95分以上高分必过项目。 类似腾讯新闻、界面新闻一样的基于人工智能个性化推荐平台简单...
基于JavaWeb的图书个性化推荐系统论文介绍 简要介绍了论文的主要内容和研究成果。 第1章为系统概述,包括概述、课题意义和主要内容。 第2章介绍了系统开发环境,包括相关技术、Java技术、MySQL数据库、和Spring Boot...
推荐系统简介,推荐;排序;召回 ;基于 PAI 10 分钟搭建一个简单推荐系统;~~~~~~~~~~
内容概要:通过带着读者基于聚类后的隐式特征向量和课程信息数据设计了课程推荐引擎,该引擎可以计算生成各类推荐场景的推荐候选集,包括个性化推荐候选集、相关课程推荐候选集和热门课程推荐候选集,为系统 的课程...
利用Ajax技术做了一个简单的系统,主要是为了熟悉标签上提到的三种技术
mysql数据库中提取资料,并且向用户推荐其可能喜欢的影视节目,提供站内搜索功能,本资源为页面代码部分,由于数据库涉密,请根据代码自行设计一个简单的数据库,很容易。不会的请联系我
个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。 随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和...
Java毕业设计--基于ssm框架开发的个性化影片推荐系统--毕业论文+ppt(附源代码) 开发语言:Java 框架:ssm 技术:JSP JDK版本:JDK1.8 服务器:tomcat7 数据库:mysql 5.7(一定要5.7版本) 数据库工具:Navicat11...
该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。 项目都经过严格调试,确保可以运行!可以放心下载, 1. 技术组成 前端: html 后台框架:Python,建议使用 3.7 开发环境:...
在线预览项目地址:在线操作,交互简单快速,方便实时浏览和评估项目。https://zhg.rucoding.online 内容概要: 本系统源代码基于Spring Boot、Vue.js、Element UI和MySQL,提供一个通用的Web应用程序框架。通过该...
该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。 项目都经过严格调试,确保可以运行!可以放心下载, 1. 技术组成 前端: html 后台框架:Python,建议使用 3.7 开发环境:...
Python语言的优势:Python是一种简单易学、可读性强的编程语言,被广泛应用于各个领域。该项目使用Python作为主要开发语言,借助Python的丰富库和生态系统,开发者可以快速构建出高质量的应用。Python的简洁和可读性...
地理位置定位模块:通过GPS定位技术获取用户当前地理位置信息,并根据用户所在位置进行个性化推荐。\ \\ 热门菜品推荐模块:根据用户的浏览历史、收藏记录等信息,推荐用户可能喜欢的热门菜品。\ \\ 本地特色菜品...
一是作业已预先定制好,学员不能根据自身的学习程度和对知识的掌握情况,自主选择不同难易程度的作业题;二是媒体刺激单一,只是书本作业的...针对现有网络作业系统的不足,开发了一个基于ASP的个性化在线作业系统。