推荐系统的循序进阶读物(从入门到精通)
转载一篇文章,作为记录,有时间去看一遍~
为了方便大家从理论到实践,从入门到精通,循序渐进系统地理解和掌握推荐系统相关知识。特做了个读物清单。大家可以按此表阅读,也欢迎提出意见和指出未标明的经典文献以丰富各学科需求(为避免初学者疲于奔命,每个方向只推荐几篇经典文献)。
1. 中文综述(了解概念-入门篇)
a) 个性化推荐系统的研究进展
b) 个性化推荐系统评价方法综述
2. 英文综述(了解概念-进阶篇)
a) 2004ACMTois-Evaluating collaborative filtering recommender systems
b) 2004ACMTois -Introduction to Recommender Systems - Algorithms and evaluation
c) 2005IEEEtkde Toward the next generation of recommender systems - A survey of the state-of-the-art and possible extensions
3. 动手能力(实践算法-入门篇)
a) 2004ACMtois Item-based top-N recommendation algorithms(协同过滤)
b) 2007PRE Bipartite network projection and personal recommendation(网络结构)
4. 动手能力(实践算法-进阶篇)
a) 2010PNAS-Solving the apparent diversity-accuracy dilemma of recommender systems (物质扩散和热传导)
b) 2009NJP Accurate and diverse recommendations via eliminating redundant correlations (多步物质扩散)
c) 2008EPL Effect of initial configuration on network-based Recommendation (初始资源分配问题)
5. 推荐系统扩展应用(进阶篇)
a) 2009EPJB Predicting missing links via local information(相似性度量方法)
b) 2010theis-Evaluating Collaborative Filtering over time(基于时间效应的博士论文)
c) 2009PA Personalized recommendation via integrated diffusion on user-item-tag tripartite graphs (基于标签的三部分图方法)
d) 2004LNCS Trust-aware collaborative filtering for recommender systems(基于信任机制)
e) 1997CA-Fab_content-based, collaborative recommendation(基于文本信息)
6. 推荐结果的解释(进阶篇)
a) 2000CSCW-Explaining Collaborative Filtering Recommendations
b) 2011PRE-Information filtering via biased heat conduction
c) 2011PRE- Information filtering via preferential diffusion
d) 2010EPL Link Prediction in weighted networks - The role of weak ties
e) 2010EPL-Solving the cold-start problem in recommender systems with social tags
7. 推荐系统综合篇(专著、大型综述、博士论文)
a) 2005Ziegler-thesis-Towards Decentralized Recommender Systems
b) 2010Recommender Systems Handbook
http://blog.sciencenet.cn/home.php?mod=space&uid=210641&do=blog&id=508634
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 单线程的Redis速度为什么快?
· 展开说说关于C#中ORM框架的用法!
· SQL Server 2025 AI相关能力初探
· Pantheons:用 TypeScript 打造主流大模型对话的一站式集成库