推薦系統實踐自我評價

　　這本書大約寫了10個月的時間，如果一定要自己評價一下這本書，只能說還行。這本書基本達到了寫作目標： 　　1. 幫助剛畢業的學生迅速瞭解如何將他們學到的理論用於實際 　　2. 幫助程式設計師迅速將他們的程式設計能力應用到推薦系統中來 　　3. 強調資料分析的重要性，淡化演算法 　　4. 運用多種評測方法，強調全面評測的重要性 　　 　　不過本書也有一些遺憾，如果將來會再版這本書，可以修正這些遺憾： 　　1. 推薦系統和搜尋引擎不同，他還沒有一個統一的應用場景，因此不同網站的推薦系統都有不同的特色。但是因為我主要從事視訊推薦方面的研究，對於電商或者LBS，社交推薦方面的推薦還缺乏深刻的認識，只做過一些理論研究，缺乏實際動手分析的經驗，所以這方面的內容相對欠缺。 　　2. 對並行化和大資料說的不多。本書提到的方法都是可以用於大資料，很容易通過Map-Reduce或者MPI並行化。但是本書對這些方法如何並行化說的也不多。這主要是我自認為還不能算這方面的專家，寫出來可能會貽笑大方。 　　3. 缺乏統一的理論框架。這其實不能算本書的缺點，因為整個推薦系統看起來，除了協同過濾，很多其他演算法的理論框架都不完善。此外，寫這本書時的立意是要讓大家看完之後覺得，靠，推薦演算法就這麼簡單啊。所以沒有運用理論化堆公式的寫法。不過，如果能用簡單的語言將理論的問題說清楚，那就更NB了。不過我目前還沒有達到這樣的功力。 　　 　　最後，看到很多人說這本書和我的博士論文很像。其實這本書只有半章和我的博士論文相關，其他部分都是博士論文中完全沒有的，嘿嘿。