推薦系統相關資源彙總，推薦算法、性能比較

爲了更好的學習推薦系統，本博文將我的知道的關於推薦系統的相關資源整理彙總，拿出來與你們分享。本博文每個月更新一次，長期維護，若是你有好的關於推薦系統的資源，請email我，放到這裏與你們分享。

主頁

• GroupLens: http://www.grouplens.org GroupLens項目官方主頁
• John Riedl: http://www-users.cs.umn.edu/~riedl/ Grouplens領導者
• Greg Linden—推薦系統領域最有影響力的博客；
• 谷文棟: http://www.guwendong.comResysChina 發起人;
• Xlvector: http://xlvector.net 博士；

數據集

• GroupLens Research提供的數據集；
• movielens 數據集，官方提供下載：movielens數據集；
• netflix數據集，目前官方再也不提供下載，須要的話能夠聯繫我；
• Jester數據集：笑話推薦系統Jester提供了兩種類型的數據集，下載地址：Jester_dataset ；
• yahoo music dataset，kdd_cup_dataset
• CI Machine Learning Repository:UCI datasets
• mazon-meta dataset: Amazon product co-purchasing network metadata

論壇

• 推薦系統高峯論壇（Recommender Systems Forum 2011）；
• 中國推薦社區ReSysChina;

會議

• ACM RecSys 2007 ;

書籍

集體智慧編程：卓越亞馬遜連接 ；

 

整體介紹：

探索推薦引擎內部的祕密，第 1 部分: 推薦引擎初探

個性化推薦技術漫談

 

一些推薦算法：

SVD： SVD在推薦系統中的應用

slope one：推薦系統：Slope One 算法

apriori：先驗算法

推薦系統：關聯規則(2)

FP-Growth：推薦系統：關聯規則(3) —— FP-Growth 算法

Item CF ：推薦系統：協同過濾 之 Item-based Collaborative Filtering

User CF：推薦系統：協同過濾 之 User-based Collaborative Filtering

 

算法間比較：

推薦系統的常見推薦算法的性能比較

 

類似性計算：

探索推薦引擎內部的祕密，第 2 部分: 深刻推薦引擎相關算法 - 協同過濾

 

Reference

推薦系統：整體介紹、推薦算法、性能比較