Algorithm 推荐算法

我需要把一个网站的推荐算法。我想出了一个非常简单的方法来实现这一点，但我想知道是否有人可以向我指出任何文献或类似的东西，可以帮助我更好地了解其他例子是如何组合在一起的

我已经了解了ApacheMahout中的协作过滤、集群和分类等功能，但我不知道机器学习是如何融入其中的。我可以看到如何为上述算法（除了机器学习），但想知道是否有人知道任何其他可以添加到混合

另外，你认为推荐人的目的是什么，它如何发挥最佳作用？有人愿意分享一个定义吗

谢谢

这里讨论了将不同算法组合在一起并创建推荐者的不同可能性。作者分析了37个不同的系统及其参考文献，并将它们分类为8个基本维度

尽管这篇论文已于2003年发表，其中的一些例子目前尚不可用，但它仍然可以成为研究人员构建自己的推荐系统的一个很好的起点

我想分享Robin Burk对推荐系统的定义，如：

任何一种系统，它产生作为输出的个人建议，或以个性化的方式引导用户在可能的选项的大空间中找到感兴趣或有用的对象

---

推荐系统是人工智能（特别是数据挖掘）中的一个主题，旨在向用户推荐新项目。这些物品可以是任何种类的，如书籍、旅行、音乐等

它主要由一个算法组成，该算法将尝试提取以前数据的一些知识（如用户偏好），以建议新的可购买项目

它被Netflix和Amazon广泛使用。当你看到短语“购买此服务的用户也喜欢此服务”时，很有可能它背后有一个推荐系统

聚类和其他类似的算法是用来改进推荐系统的方法。例如，在应用特定的推荐系统之前，您可能希望根据相似性对用户进行分组，以获得更好的结果。为此，您可以使用K-最近邻

这两篇文章可能有助于您更好地理解该主题： 格雷格·林登、布伦特·史密斯和杰里米·约克。Amazon.com推荐：逐项推荐 协同过滤

罗宾·伯克。混合推荐系统：调查和实验。用户建模

---

和用户自适应交互。

现在有一个关于推荐系统的优秀课程，由明尼苏达州的Joeseph Konstan教授，他是该领域的先驱之一。它是免费的。它非常好，涵盖了推荐系统的基本分类，包括：

 - Rating Systems
 - Content Based Filters
 - Collaborative Systems (User-user and Item-item)
 - Dimensionality Reduction (SVD, its meaning, and how to compute it)
 - Hybrid Systems

SVD完全属于ML，我发现这是我在任何地方见过的最连贯、最直观的SVD演示，我也见过一些

它还展示了如何使用Lenskit（一个学术推荐系统工具包）创建真实世界的系统。

---

显然，我喜欢这门课程，尽管我希望它们涵盖贝叶斯方法。

您可能想搜索“第k个最近邻算法”，这方面的内容似乎很多，我会看一看，谢谢！你想告诉我们更多关于你正在解决的问题吗？我认为，根据您拥有的数据类型，可以在组合中添加很多内容。一般来说，如果你想根据别人的做法提出建议，协作过滤是非常好的。还有基于内容的过滤。你可以用这两种算法制作一个混合算法，这是一个，你可以通过图书馆或其他什么东西来获取。链接文章是：蒙塔纳M.，洛佩斯，B.，德拉罗萨，J.Ll。互联网上推荐代理的分类法。人工智能评论19:285-330，Junio，2003年。在写这篇评论时，答案中的链接已经失效，但文章可以在