Recommender Systems Handbook讀書筆記之4

本周看到了第八章。全書共25章。

從已經看過的內容來看，這本書對推薦系統的介紹比較全面，另外也深入介紹一些具體的演算法，給出具體的計算公式。這些公式中有一些的數學符號我已經記不清具體含義了。

以下是前八章的內容概括：
第一章：全書介紹；
第二章：推薦系統中使用的資料採礦方法，分為：資料處理（相似性度量、抽樣、降維、降噪）、分類（具體演算法有最近鄰、決策樹、基於規則的分類、貝葉斯分類、人工神經網路、支援向量機）、群集、關聯規則挖掘
第三章：基於內容的推薦系統：State of the Art and Trends。
第四章：基於近鄰的推薦方法概覽。
第五章：協同過濾中的改進；
第六章：開發基於約束的推薦器；
第七章：上下文感知的推薦系統：常規推薦系統只考慮user和item，上下文感知的推薦系統則認為“上下文資訊”也需要考慮。比如旅遊網站的推薦，冬天與夏天應該有很大不同；再比如新聞網站的推薦需要考慮時間，工作日使用者更願意關注時事新聞和股市資訊，周末則更願意關注電影評論和購物資訊；
第八章：評估推薦系統