推荐系统比较好的论
2015-11-20 10:09
218 查看
链接:http://www.zhihu.com/question/25566638/answer/37455091
来源:知乎
推荐几篇对工业界比较有影响的论文吧:
1. The Wisdom of The Few 豆瓣阿稳在介绍豆瓣猜的时候极力推荐过这篇论文,豆瓣猜也充分应用了这篇论文中提出的算法;
2. Restricted Boltzmann Machines for Collaborative Filtering 目前Netflix使用的主要推荐算法之一;
3. Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model 这个无需强调重要性,LFM几乎应用到了每一个商业推荐系统中;
4. Collaborative Filtering with Temporal Dynamics 加入时间因素的SVD++模型,曾在Netflix Prize中大放溢彩的算法模型;
5. Context-Aware Recommender Systems 基于上下文的推荐模型,现在不论是工业界还是学术界都非常火的一个topic;
6. Toward the next generation of recommender systems 对下一代推荐系统的一个综述;
7. Item-Based Collaborative Filtering Recommendation Algorithms 基于物品的协同过滤,Amazon等电商网站的主力模型算法之一;
8. Information Seeking-Convergence of Search, Recommendations and Advertising 搜索、推荐和广告的大融合也是未来推荐系统的发展趋势之一;
9. Ad Click Prediction: a View from the Trenches 可以对推荐结果做CTR预测排序;
10. Performance of Recommender Algorithm on top-n Recommendation Task TopN预测的一个综合评测,TopN现在是推荐系统的主流话题,可以全部实现这篇文章中提到的算法大概对TopN有个体会;
11. http://dsec.pku.edu.cn/~jinlong/publication/wjlthesis.pdf 北大一博士对Netflix
Prize算法的研究做的毕业论文,这篇论文本身对业界影响不大,但是Netflix Prize中运用到的算法极大地推动了推荐系统的发展;
通过这些论文可以对推荐系统有个总体上的全面认识,并且能够了解一些推荐系统的发展趋势。剩下的就是多实践了。Good luck!
来源:知乎
推荐几篇对工业界比较有影响的论文吧:
1. The Wisdom of The Few 豆瓣阿稳在介绍豆瓣猜的时候极力推荐过这篇论文,豆瓣猜也充分应用了这篇论文中提出的算法;
2. Restricted Boltzmann Machines for Collaborative Filtering 目前Netflix使用的主要推荐算法之一;
3. Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model 这个无需强调重要性,LFM几乎应用到了每一个商业推荐系统中;
4. Collaborative Filtering with Temporal Dynamics 加入时间因素的SVD++模型,曾在Netflix Prize中大放溢彩的算法模型;
5. Context-Aware Recommender Systems 基于上下文的推荐模型,现在不论是工业界还是学术界都非常火的一个topic;
6. Toward the next generation of recommender systems 对下一代推荐系统的一个综述;
7. Item-Based Collaborative Filtering Recommendation Algorithms 基于物品的协同过滤,Amazon等电商网站的主力模型算法之一;
8. Information Seeking-Convergence of Search, Recommendations and Advertising 搜索、推荐和广告的大融合也是未来推荐系统的发展趋势之一;
9. Ad Click Prediction: a View from the Trenches 可以对推荐结果做CTR预测排序;
10. Performance of Recommender Algorithm on top-n Recommendation Task TopN预测的一个综合评测,TopN现在是推荐系统的主流话题,可以全部实现这篇文章中提到的算法大概对TopN有个体会;
11. http://dsec.pku.edu.cn/~jinlong/publication/wjlthesis.pdf 北大一博士对Netflix
Prize算法的研究做的毕业论文,这篇论文本身对业界影响不大,但是Netflix Prize中运用到的算法极大地推动了推荐系统的发展;
通过这些论文可以对推荐系统有个总体上的全面认识,并且能够了解一些推荐系统的发展趋势。剩下的就是多实践了。Good luck!
相关文章推荐
- sqlite3 OC 提供的方法
- python logging模块的多文件应用
- 常见的502错误
- ios view的frame和bounds之区别(位置和大小)
- android:layout_weight的真实含义
- SecureCRT快捷键
- SSH:Struts2框架(搭建运行第一个程序)
- ViewSwitcher和TextSwithcher打造不一样的视觉效果
- Adnroid中消除ImageButton默认背景
- android 中如何限制 EditText 最大输入字符数
- js和jQuery的区别和联系 localstorage 和sessionstorage的区别
- Angularjs快速入门(一)
- 微软算法100道题-----:在一个字符串中找到第一个只出现一次的字符
- SQL_多条记录中取最大日期的记录
- 异步载入资源
- AFX_MANAGE_STATE(AfxGetStaticModuleState());
- 程序员的福利:Android_JNI整套视频分享
- Kafka Java API 之Producer源码解析
- thinkphp里面的路径问题
- TestNG - @Parameters 传递外部参数 对比 @Dataprovider