Recommender Systems Handbook读书笔记之三

本周看到了第六章。全书共25章。

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。

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。
第五章：协同过滤中的改进；
第六章：开发基于约束的推荐器；

以下内容摘自第六章：

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。