daisyZH的专栏

转自：http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html#ibm-pcon探索推荐引擎内部的秘密，第 1 部分: 推荐引擎初探赵 晨婷, 软件工程师, IBM赵晨婷，现就职于 IBM 中国软件开发中心 Web 2.0 开发小组，对 SOA，J2EE，Web

转自：http://www.resyschina.com/2010/03/five_problems_of_resys.html本文翻译于互联网观察媒体“读写网”在2009年初发布的一篇文章。读写网在2009年初的时候编辑了一系列针对推荐系统的文章，在荷兰阿姆斯特丹举办的一次专门针对推荐系统的兴趣小组会议上，一些公司提出了实施和建设推荐系统需要面对的几个问题，本文针对这些问题，进行了初

转自：http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html探索推荐引擎内部的秘密，第 2 部分: 深入推荐引擎相关算法 - 协同过滤赵 晨婷, 软件工程师, IBM赵晨婷，现就职于 IBM 中国软件开发中心 Web 2.0 开发小组，对 SOA，J2EE，We

转自：http://my.oschina.net/BreathL/blog/62519      最近研究Mahout比较多，特别是里面协同过滤算法；于是把协同过滤算法的这个实现思路与数据流程，总结了一下，以便以后对系统做优化时，有个清晰的思路，这样才能知道该如何优化且优化后数据亦能正确。     推荐中的协同过滤算法简单说明下：     首先，通过分析用户的偏好行为，来挖掘出里面

下面的资料没有做优先级排序。文章：优快云的推荐引擎主题资料汇集页面：http://subject.youkuaiyun.com/tuijian/推荐《探索推荐引擎的秘密》系列 http://tiny4.org/blog/2011/05/recommend-enginee/  该文作者为iApp4me创始人，文中提到几个开源推荐引擎项目探索推荐引擎内部的秘密系列：http://www.ib