本文汇总了视频、图书、资讯、音乐、社交等多个领域的推荐引擎技术，包括Netflix、Hulu、YouTube、Amazon等公司的推荐策略。内容涵盖item based CF、random walk、bayesian方法等，还提供了相关论文、博客链接及业界专家的点评，是了解推荐系统发展历程和现状的宝贵资料。
最近在做一个推荐的任务，头绪繁多，回头看看同行的工作，希望能有些帮助。
零零碎碎看过好多资料，有些已经忘记了，会慢慢补全。
欢迎大家留言补充。也欢迎同行加我微博进行交流。
(最近发现各家推荐技术进步很快，这里整理的可能已经是过去时了，不过最近不搞这个，没有精力补充了。)
视频类
Netflix：很多方法的融合，策略可以参考我翻译的blog，架构参考小鱼儿师兄的blog。
Hulu：主要是item based CF，参考官方博客上的文章。
Youtube：开始是random walk，后来改为类似item based CF的方法，这是他们算法团队发表的论文。recsyschina上的点评， 豆瓣阿稳的点评。
图书类
Amazon：好多方法都用了，
最低0.47元/天 解锁文章
扫一扫
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
