nkwangjie的专栏

今天下午有点时间，研究了下#第一届大学生全国数据挖掘邀请赛#的数据集，顺便写个酱油贴。数据集版权归 上海花千树信息科技有限公司 世纪佳缘交友网站 http://www.love21cn.com 所有此处省略相关废话51句，详细介绍走这边,http://www.statmodelingcompetition.com。咱们先了解下这次比较的评分标准：Normalized Disco

排序一直是信息检索的核心问题之一，Learning to Rank(简称LTR)用机器学习的思想来解决排序问题(关于Learning to Rank的简介请见我的博文Learning to Rank简介)。LTR有三种主要的方法：PointWise，PairWise，ListWise。Ranking SVM算法是PointWise方法的一种，由R. Herbrich等人在2000提出, T.

收集和整理了目前互联网上能找到的开源推荐系统，并附上了个人的一些简单点评（未必全面准确），这个列表是目前为止比较全面的了，希望对大家了解掌握推荐系统有帮助（文/陈运文）SVDFeature由上海交大的同学开发，采用C++语言，代码质量很高。去年我们参加KDD竞赛时用过，很好很方便，而且出自咱们国人之手，所以置顶推荐！项目地址：http://svdfeature.

《Recommender Systems Handbook》，市面上不多的关于推荐系统的书之一。2010年10月出版，英文版。目前还没有中文版，估计出中文版的可能性不大，读者数量太少了。全书871页，比较厚。Amazon.com上这本书还没有读者评论，看来在英语世界里“推荐系统“这个主题也相对比较冷。这本书断断续续看了三个月。总体感觉还是很不错。由一群相关领域的研究人员集体编写，每一章都有几位

亚马逊的CEO Jeff Bezos曾经说过，他的梦想是“如果我有100万个用户，我就要为他们做100万个亚马逊网站”。智能推荐系统承载的就是这个梦想，即通过数据挖掘技术，为每一个用户实现个性化的推荐结果，让每个用户更便捷的获取信息。为了实现这个梦想，过去十余年间，无数顶尖技术专家和工程师投身于推荐算法和技术的研究与应用中，很多优秀的方法被提出，很多技术难题被攻克。在今天的互联网应用中，越来越多“

http://qun1.yunpan.360.cn/file/index/?gid=10073410#%2F

推荐系统入门实践：世纪佳缘会员推荐（完整版）版本作者联系日期1.0周巍然weiran.chow@gmail.com201207232.0严 程supersteven198701

http://pages.cs.wisc.edu/~beechung/icml11-tutorial/ICML'11 Tutorial on Machine Learning for Large Scale Recommender SystemsDeepak Agarwal and Bee-Chung ChenYahoo! Research{dagarwal,beechun}@