第1章 引言
在本書中，將會重點討論個性化推薦。
1.1 第一部分：基本概念
1.1.1 協同過濾推薦
這些系統的基本思想是，如果使用者在過去有相同的偏好（比如他們瀏覽或買過相同的書），那麼他們在未來也會有相似的偏好。由於選擇可能感興趣的書涉及從大量集合中過濾出最有希望的書，而且使用者是在隱式地與其他人相互協作，因此這種技術也被稱為協同過濾。
協同方法常見問題：
1、如何發現與我們要推薦的使用者有著相似偏好的使用者？
2、如何衡量相似度？
3、如何處理還沒有購買經歷的新使用者？
4、如果只有很少的評分該怎麼辦？
5、除了利用相似的使用者之外，還有哪些技術可以用來**某個使用者是否喜歡其物品？
優點：系統不需要獲取並維護這些資料。
1.1.2 基於內容的推薦
基於內容推薦的核心是能夠得到物品的描述（不管是人工生成還是自動抽取的）和這些特徵的重要記錄。
1、系統如何自動獲取並持續改進使用者記錄？
2、如何決定哪個物品匹配或者至少能接近、符合使用者的興趣？
3、什麼技術能自動抽取或學習物品的描述，從減少人工標註？
優點：1、不需要大規模使用者就可以達到適度的推薦精準度。
2、一旦得到物品的屬性就能立刻推薦新物品。
1.1.3 基於知識的推薦
在基於知識的方法中，推薦系統通常會用到有關當前使用者和有效物品的額外資訊（這些資訊一般都是人工提供的）。
1、那種領域知識能表示成知識庫？
2、什麼機制可根據使用者的特點來選擇和排名物品？
3、如何在沒有購買記錄的領域獲取使用者資訊？如何處理使用者直接給出的偏好資訊？
4、哪種互動方式能夠用於互動式推薦系統？
5、設計對話時，要考慮哪些個性化因素才能確保準確獲得使用者偏好資訊？
1.1.4 混合推薦方法
1、哪種方法能被組合，特定組合的前提是什麼？
2、兩個或多個推薦演算法是應該順序計算，還是採用其他混合方式？
3、不同方法的結果如何賦以權重，可以動態決定嗎？
1.1.5推薦系統的解釋
解決問題：
1、推薦系統在解釋其推薦結果的同時如何提高使用者對系統的信任度？
2、推薦策略如何影響解釋推薦的方式？
3、能通過解釋讓使用者相信系統給出的建議是」公正的「或者不偏頗的嗎？
1.1.6評估推薦系統
哪些研究設計適用於評估推薦系統？
如何利用歷史資料實驗評估推薦系統？
什麼衡量標準適合不同的評估目標？
現有評估技術的侷限是什麼？
1.1.7案例研究
目的是為了解決以下問題：
1、推薦系統的商業價值是什麼？
2、它能幫助提高銷售額或將更多訪問者轉化為購買者嗎？
3、不同推薦演算法在效果上有差別嗎？在哪種情況下應該使用哪種技術？
1.2 第二部分：最新進展
涉及的問題如下：
1、隱私和魯棒性
3、社交和語義網背景下的推薦系統
4、無處不在的應用
第一章 引言
斜體字 表示新定義的術語 url 郵件位址 檔名 副檔名。下面的圖示表示 小貼士 建議或者注釋。首先，讓我們從較高層次介紹一下c 5.0中的async功能，看看它對你意味著什麼。什麼樣的 是非同步的呢？如果程式開始執行耗時操作後，不會等待耗時操作結束才往下執行，這樣的 就是非同步的。如果程式一直等待...
《推薦系統》第一章
推薦系統 rs 是向使用者建議有用物品的軟體工具和技術 物品 是用來表示系統向使用者推薦內容的總稱。乙個推薦系統通常專注於乙個特定型別的物品 如cd或新聞 因此它的設計 圖形使用者介面以及用於生成建議的核心的推薦技術都是為特定型別的物品提供有用和有效的建議而定製的。推薦系統主要針對的是那些缺乏足夠的...
《設計模式》讀書筆記 第一章 引言
模式名稱 問題 描述應該在何時使用模式 解決方案 描述了設計的組成成分，他們之間的相互關係及各自的職責和協作方式 效果 描述模式應用的效果及使用模式應權衡的問題 建立型 與物件的建立有關 處理類和物件的組合 對類和物件怎樣互動和怎樣分配職責進行描述 類模式 處理類和子類之間的關係，這些關係通過繼承建...