qq_17116557的博客

作者：百度关键词搜索推荐系统maker列了一些之前设计开发百度关键词搜索推荐引擎时， 参考过的论文， 书籍， 以及调研过的推荐系统相关的工具；同时给出参加过及未参加过的业界推荐引擎应用交流资料（有我网盘的链接）， 材料组织方式参考了厂里部分同学的整理。因为推荐引擎不能算是一个独立学科，它与机器学习，数据挖掘有天然不可分的关系，所以同时列了一些这方面有用的工具及书籍，希望能对大家有所帮助。Survey

推荐算法大致可以分为以下几类基于流行度的算法协同过滤算法（user-based CF and item-based CF）基于内容的算法（content-based）基于模型的算法混合算法1. 基于流行度的算法可以按照一个项目的流行度进行排序，将最流行的项目推荐给用户。比如在微博推荐中，将最为流行的大V用户推荐给普通用户。微博每日都有最热门话题榜等等。 算法十分简单，通过简单热度排序即

一种融合PageRank的协同过滤帖子推荐方法融合用户评论行为的PageRank算法来判断一个用户的重要性，然后将PageRank得分高的用户作为聚类中心计进行K-means聚类。然后通过协同过滤算法计算相似度，并结合用户的PageRank得分，选择与用户相关比较高的帖子作为推荐结果

《计算机研究与发展》2014年的文章 文章摘要：在当今的大数据时代，推荐系统是解决信息超载的有效手段．传统的协同过滤推荐系统仅仅使用用户－项目评分矩阵，而异构信息网络的出现为推荐系统更多地融合用户与项目信息提供了机遇。 1. 对推荐系统中的用户属性和项目属性建立异构信息网络 2. 首先使用基于元路径的相似度计算方法分别计算用户与项目的相似度矩阵； 3. 其次使用提出的３种将相似度矩阵与