五個有關推薦系統的資料

建立大規模的真實世界推薦系統Building Large-scale Real-world Recommender Systems - Recsys2012 tutorial
解剖了Netflix的個性化特點（“一切都是個性化”），在這篇PPT中談了Netflix的資料模型（包括物流/線性迴歸，彈性網，矩陣分解和馬爾可夫鏈），消費資料科學（使用者離線和線上測試），

在建立大型社會網路推薦系統中關鍵要點Key Lessons Learned Building Recommender Systems for Large-scale Social Networks
這篇PPT談了推薦系統對於LinkedIn的重要性，提供了使用者絕佳體驗，以及關於切片/標籤資料的挑戰性, 測試的價值等

音樂推薦和唱片發現Music Recommendation and Discovery Remastered
談了建設一個音樂推薦系統（包括龐大的庫存，每件成本低，低功耗，高度情境使用）面臨的獨特挑戰，怎樣才能做出一個好的音樂推薦，以及不同推薦策略的優點/缺點。

建立一個基於Solr的實時推薦引擎Building a Real-time, Solr-powered Recommendation Engine
該文提供了一個使用Solr搜尋和匹配的概述，包括基於內容（基於屬性的，分層的，文字的相似性，基於概念）和基於行為的方法構建推薦系統相關概念。也指出CareerBuilder為什麼選擇Solr而沒有選擇Mahout。

Committing to Recommendations
談了有關Stitch Fix建立一個完美推薦系統的努力 – 甚至客戶都沒有明顯感受到它的存在，也談了關於演算法 資料收集，以及如何將演算法和人工判斷結合在一起。

[該貼被banq於2013-07-18 07:00修改過]