摘要：
1.LibFM项目主页：http://www.libfm.org/2. svdfeature项目主页：http://apex.sjtu.edu.cn/apex_wiki/svdfeaturerecsyschina上的介绍：http://www.resyschina.com/2011/09/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%BC%80%E6%BA%90%E5%B7%A5%E5%85%B7-%E2%80%93-svdfeature.html3.Mahout项目主页：http://mahout.apache.org/4. MyMediaLite项目主页： 阅读全文
摘要：
刚刚在看ICML 2010的一篇关于搜索广告CTR预估的文章：Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft’s Bing Search Engine中科院的学生说在KDDCUP竞赛时，这篇文章的算法效果非常好。当时就想好好读一下，拖了几天，今天终于看了个开头。Bing adCenter内部举办了一个CTR预估的比赛，这篇论文的方法adPredictor表现最优异，加上方法可以并行化，而且是online learning，优点多多，后来逐渐替换了Bing 阅读全文
摘要：
视频类Netflix: 很多方法的融合。可以参考我翻译的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，以及recsyschina上的点评， 豆瓣阿稳的点评。图书类Amazon：好多方法都用了，主要是 item based CF。参考Greg Linden的论文。这里讨论了一下其推荐系统的有效性。另外，这篇博客有一个简要的讨论，包含pandora的推荐方法。资讯类google news：用了CF和bayesian的方法。CF论文，bayesia 阅读全文