Recommender Systems Handbook读书笔记之6

Recommender Systems Handbook读书笔记之6

本周看到了第十三章。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。

以下是前八章的内容概括：
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；
第七章：上下文感知的推荐系统：常规推荐系统只考虑user和item，上下文感知的推荐系统则认为“上下文信息”也需要考虑。比如旅游网站的推荐，冬天与夏天应该有很大不同；再比如新闻网站的推荐需要考虑时间，工作日用户更愿意关注时事新闻和股市信息，周末则更愿意关注电影评论和购物信息；
第八章：评估推荐系统
第九章：一个IPTV服务供应商的推荐系统：一个大规模产品环境。介绍一个电视点播系统中的推荐系统。挑战是需要实时，同时又无法判断操作遥控器的用户的身份（解决方案是根据时间段来区分用户）
第十章：如何在实验室之外得到推荐系统：介绍搭建实际应用的推荐系统需要考虑的方面；
第十一章：匹配推荐技术与领域：介绍不同应用场景下适用的推荐技术与算法；
第十二章：Technology Enhanced Learning中的推荐系统；