首先，需要申明一点的就是推荐系统！=推荐算法。推荐系统是一套完善的推荐机制，包括前期数据的准备、具体推荐的过程(这个过程可能是一套复杂的算法模型，也可能是一个简单的规则，也可能是多种模型的混合结...

这份Apache Spark教程可以指导你逐步了解如何使用 MovieLens 数据集,基于 协同过滤 建立一个电影推荐系统。协同过滤使用 Spark的交替最小方差（ALS） 算法。

推荐系统听上去是高大上的东西，在互联网多个场景中有广泛应用 场景1：你在google或百度的广告后台，输入一个关键词提交竞价，那么系统就会推荐很多认为你可能需要的关键词。 ...

这周看了推荐系统实战这本书，其中基本上介绍的比较全面，但是每一部分并没有十分深入，深入的精华全部都在下方的备注当中，备注中有很多的论文，可以进行进一步的学习。

开源的推荐系统列表

推荐引擎mahout安装与配置

自从1992年施乐的科学家为了解决信息负载的问题，第一次提出协同过滤算法，个性化推荐已经经过了二十几年的发展。1998年，林登和 他的同事申请了“item-to-item”协同过滤技术的专利，经...

分为SaaS推荐系统、开源推荐系统、非SaaS产品推荐系统、学术推荐系统、基准推荐系统以及媒体推荐应用等几大类。

推荐引擎根据用户的特定需求帮助用户缩小选择范围。在这篇文章中，我们一起来探秘推荐引擎各部分是如何协同工作的。我们将根据电影评分数据，用协同 过滤的方法来推荐电影。其关键部分是基于Apache M...

大数据环境下的实时推荐需求，克服三大难题：大数据，实时性，准确度； 大数据，用户数据，业务数据；实时基于 storm 处理；算法主要基于 item-based ， content-bas...

最近这两年推荐系统特别火，本文搜集整理了一些比较好的开源推荐系统，即有轻量级的适用于做研究的SVDFeature、LibMF、LibFM等，也有重量级的适用于工业系统的 Mahout、Oryx、...

推荐引擎尽最大努力的收集尽可能多的用户信息及行为，所谓广撒网，勤捕鱼，然后“特别的爱给特别的你”，最后基于相似性的基础之上持续“给力”，原理如下图所示（图引自本文的参考资料之一：探索推荐引擎内部的秘密）：

AlibabaRecommand 是一个商品推荐预测框架。通过对用户上一个月的行为数据进行分析，为后一天的用户购买行为作出预测，进行推荐。

所谓推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。

推荐系统大全Recommender Systems

LibRec 是一个用于实现推荐 recommender 系统的Java库包，实现推荐系统的两个经典问题： rating prediction (评分排行预测) 和 item ranking (...

本文是我对自己这几年所接触的技术的总结，有些技术与工作直接相关，有些则纯属个人兴趣。具体说，本文分为两部分，第一部分介绍佳缘用户推荐系统的 发展历史。这部分的介绍很好地反映我们对这个问题的思考和...

本来这个博客只写我生活上的感悟，工作上我还有一个技术博客，这两句不该写在这里，不过，一方面，最近工作比较忙，生活也被工作挤占了不少，另一方面，接下来写的纯粹是感悟，“道”上的东西，不涉及具体技术...

在多数数据和机器学习的blog里，特征工程 Feature Engineering 都很少被提到。做模型的或者搞Kaggle比赛的人认为这些搞feature工作繁琐又不重要不如多堆几个模型，想入...

搜狐移 动研发部经理刘佳为大家分享了《基于全网内容的新闻客户端推荐系统》的经验，并对针对新闻客户端遇到的内容分类质量识别图文、视频、音频、游戏、数据稀 疏、内容冷启动、用户冷启动、噪音处理：三...