38、推荐系统的未来趋势与发展方向

推荐系统的未来趋势与发展方向

下一步学习主题

想要深入掌握推荐系统，可从以下几个方面着手：

深入阅读资料

• 专业书籍 ：若想获取更多推荐细节和方法，可阅读 Francesco Ricci 和 Lior Rokach 所著相关书籍，它涵盖的内容丰富。对于在线测试相关知识，可参考 Deepak Agarwal 和 Bee - Chung Chen 所著书籍，学习其中的 exploit/explore 方法和多臂老虎机相关内容。
• 关注平台与会议 ：密切关注 GroupLens（https://grouplens.org/），并留意 ACM Recommender Systems（RecSys）会议，该会议会产出许多有趣的论文。YouTube 也有推荐系统相关的频道（http://mng.bz/ta38）。
• 持续研究领域 ：虽然有人认为协同过滤是一种历史方法，但目前仍有大量相关研究，许多公司也在使用该方法进行推荐。例如，RecSys2016 年度论文“Local Item - Item Models for Top - N Recommendation”就值得关注，作者 Evangelia Christakopoulou 在 YouTube 上有相关讲解。
• 拓展学习范围 ：推荐算法是机器学习的一个子领域，若想成为推荐专家，需学习更广泛的机器学习知识。可阅读 Henrik Brink 等人所著的《Real - World Machine Learning