推荐系统源码

1. LibFM

项目主页：http://www.libfm.org/

2. Svdfeature

项目主页：http://apex.sjtu.edu.cn/apex_wiki/svdfeature

3. Libsvm和Liblinear

libsvm项目主页：http://www.csie.ntu.edu.tw/~cjlin/libsvm/

liblinear项目主页：http://www.csie.ntu.edu.tw/~cjlin/liblinear/

初次使用必读：practical guide

libsvm的开发心得by林智仁：http://www.csie.ntu.edu.tw/~cjlin/talks/kdd.pdf

4. rt-rank

项目主页：http://research.engineering.wustl.edu/~amohan/

rt-rank中实现了推荐系统中常见的random forests和gradient boosted decision trees这两种方法，使用起来很方便。

3. Mahout

项目主页：http://mahout.apache.org/

4. MyMediaLite

项目主页：http://www.ismll.uni-hildesheim.de/mymedialite/

4. GraphLab 和 GraphChi

GraphLab项目主页：http://graphlab.org/ 

GraphChi项目主页：http://graphlab.org/graphchi/

GraphChi的下载地址：https://code.google.com/p/graphchi/downloads/detail?name=graphchi_src_v0.1.2_toolkits.tar.gz

GraphChi介绍：http://www.technologyreview.com/news/428497/your-laptop-can-now-analyze-big-data/?nlid=nldly&nld=2012-07-17

CF for GraphChi: http://bickson.blogspot.com/2012/08/collaborative-filtering-with-graphchi.html

单机模式处理大数据，搜集一些好用的开源利器 - 大魁的专栏 - 博客频道 - CSDN.NET
http://blog.csdn.net/lzt1983/article/details/7913449
http://blog.csdn.net/google19890102/article/details/52883653