入门推荐系统，你不该该错过的知识清单

时间 2019-11-22

标签入门推荐系统不该错过知识清单繁體版

原文原文链接

https://www.jianshu.com/p/5585e7fe6062php

【编者按】本帐号为第四范式智能推荐产品先荐的官方知乎帐号。本帐号立足于计算机领域，特别是人工智能相关的前沿研究，旨在把更多与人工智能相关的知识分享给公众，从专业的角度促进公众对人工智能的理解；同时也但愿为人工智能相关人员提供一个讨论、交流、学习的开放平台，从而早日让每一个人都享受到人工智能创造的价值。html

推荐系统目前已经是学术界至关火热的研究方向。不少同窗、研究者想要入门推荐系统，但苦于该领域相关资料太多太杂，无从下手。本文收集、整理了和推荐系统相关的书籍、公开课、会议、技术博客、项目代码、最后简要举例推荐系统在不一样领域的应用。python

提纲：

入门书籍

入门教程

公开数据集

项目代码

技术博文

学术会议

应用领域

推荐系统入门书籍：

1.《推荐系统实践》做者：项亮git

《推荐系统实践》

入门首选。这本书是国内第一本讲推荐系统的书，能让你快速知道如何把学到的理论知识应用到实践，如何将编程能力应用到推荐系统中去。虽然书中列举的代码存在一些争议，但瑕不掩瑜。强烈推荐！github

2.《集体智慧编程》（Programming Collective Intelligence）web

《集体智慧编程》

这本书很是适合数学知识相对来讲较少但又想深刻该领域的读者，或有实际项目需求但没有足够时间去深刻了解的实践者。该书的做者很是直观地展现了人工智能和机器学习中的大量经典的算法，更重要的是，做者在展现算法时使用的例子都是互联网中很是有表明性的场景，不少状况下还会结合一些实际运营的Web站点的数据做进一步阐释，深刻浅出。与机器学习相关课程结合学习，将会事半功倍。算法

3. 《推荐系统 : 技术、评估及高效算法》（Recommender Systems Handbook）apache

做者：Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor编程

Recommender Systems Handbook

这本书被不少人称为“枕边书”。全书共有六百多页，目前已修订至第二版，中文译本也已经发行。对于想把推荐做为研究方向一直作下去的人来讲，这本书必看！这本书以专题的形式，涉及到了推荐系统相关的方方面面。每一个专题都会列出专题中涉及到的论文及未来的发展趋势，具备很好的指导做用，既可做为入门理论导读，又可做为特定问题的资料索引。api

4. 《推荐系统》（Recommender Systems: An Introduction）

做者：Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich

Recommender Systems: An Introduction(中文版)

这本书内容覆盖较全面，理论相对简单，不会有太多难懂的公式。这本书最大的优势是对推荐系统作了一个很好的整理和归纳，几乎归纳了推荐系统所涉及的每个模块，为读者上了一堂很好的推荐引擎架构课。看过这本书后，基本上能对推荐系统有一个清晰地理解和相对完整的把控。

关于本书，图灵社区曾作过一次访谈：

《Dietmar Jannach和Gerhard Friedrich教授谈推荐系统的最新研究方向》（2013年）

5. Music Recommendation and Discovery

做者: Òscar Celma

Music Recommendation and Discovery

这本书以音乐推荐为内容，对音乐推荐的需求和问题、经常使用作法和效果评价作了一个大致的介绍，关于效果评测部分的内容值得细读。

6. Word Sense Disambiguation: Algorithms and Applications

《词义消歧：算法与应用》

这本书全面探究了词义消歧这一问题，并对重要的算法、方式、指标、结果、哲学问题和应用也有涉猎，并有这个领域的权威学者对本领域的历史及发展所作的较为全面的综述。若是涉及到关键词推荐或文本推荐，能够查阅这本书。

推荐系统入门教程：

该课程由明尼苏达大学发布，共包含五个课程，分别为：推荐系统导入、最近邻协同过滤、推荐系统评估、矩阵分解、推荐系统的成就，对入门的同窗来讲或许会有帮助。

推荐系统相关学术会议：

AAAI : The National Conference of the American Association for Artificial Intelligence

ACM RecSys : The ACM Conference Series on Recommender Systems

ACM SIGKDD : The ACM SIGKDD Conference on Knowledge Discovery and Data Mining

ACM SIGIR : The ACM International Conference on Research and Development in Information Retrieval

ACM CIKM : The ACM International Conference on Information and Knowledge Management

ICDM : The IEEE International Conference on Data Mining

ICML : The International Conference on Machine Learning

IJCAI : The International Joint Conference on Artificial Intelligence

NIPS: The Conference on Neural Information Processing Systems

SDM : The SIAM International Conference on Data Mining

WSDM : The International Conference on Web Search and Data Mining

WWW :The International World Wide Web Conference

推荐系统在不一样领域的应用实例：

图书影音：Netflix、Youtube、MovieLens、豆瓣、网易云音乐

2. 新闻资讯：Google News、今日头条、知乎、Hulu

3. 人际社交：Facebook、Twitter、微博、人人网

4. 旅游出行：Wanderfly、TripAdvisor、蚂蜂窝、去哪儿

5. 电商零售：亚马逊、淘宝、天猫、京东

以上内容由第四范式-先荐整理发布，仅用于学习交流，版权归原做者全部。

欢迎你们点赞、收藏，将更多技术干货分享给身边的好友。