推荐系统与推荐算法

第一章

1.1推荐系统意义与价值

略

1.2推荐系统历史与框架

1.3推荐算法分类

下面介绍基于算法思想的算法

相同人口过多，效果不好

推荐结果过于线性，用户的喜好会随着时间以及其他一些因素改变，推荐效果不好

会发觉除新的物品c来推荐，效果较好，但是此类算法依赖历史条件信息，对于新注册的用户效果不好，即冷启动问题，如下

依赖于专业知识，效果不好

下面介绍基于应用问题的推荐算法

第二章

2.1协同过滤的基本思想与分类

2.2基于用户的协同过滤

例题：




从推荐系统角度来看

2.3基于项目的协同过滤

2.4基于邻域的评分预测

2.5基于二部图的协同过滤

第三章

3.1基于关联规则的推荐

3.2基于矩阵分解的评分预测

3.3概率矩阵分解框架

3.4基于矩阵分解的Top-N推荐

第四章

4.1基于内容推荐的系统框架

4.2向量空间模型

4.3基于语义的内容相似度

第五章

5.1基于约束的推荐

5.2基于效用的推荐

第六章

6.1混合推荐简介

6.2理论依据与方法分类

6.3并行式混合推荐

6.4串行式混合推荐

6.5整体式混合推荐

第七章

7.1评测视角与实验方法

7.2评分预测评价指标

7.3 Top-N推荐评价指标

7.4公开实验数据集