关于 “推荐引擎” 的dw文章收集

这不是一篇文章，只是一个ibm dw上的文章list － 关于推荐引擎和apache mahout的：

 

探索推荐引擎内部的秘密

第 1 部分: 推荐引擎初探

第 2 部分: 深入推荐引擎相关算法 - 协同过滤

第 3 部分: 深入推荐引擎相关算法 - 聚类

 

http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html

http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html

http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy3/

 

ps：作者列表 [莫非IBM的女工程师都喜欢写dw文章？dw文章的协作模板我看了都觉得麻烦...或许这其实是assistant xxoo做的事情？]

赵 晨婷, 软件工程师, IBM

马 春娥, 软件工程师, IBM

 

 

 

Apache Mahout 简介

通过可伸缩、商业友好的机器学习来构建智能应用程序

Grant Ingersoll, 技术人员, Lucid Imagination

http://www.ibm.com/developerworks/cn/java/j-mahout/

 

基于 Apache Mahout 构建社会化推荐引擎

还是上面那个系列的两女软工(我想应该都是女的)写的。

http://www.ibm.com/developerworks/cn/java/j-lo-mahout/

 

 

最后，我谈点自己的建议和想法：

1 推荐引擎：如果你需要在自己的项目和产品中使用这个方面的功能，要么自己学习原理和算法，自己实现简单的；要么采用开源技术方案。

 

2 就如上述文章所讲的，核心的算法，其实都是数学和统计学中的典型内容，并无创造性的全新东西；只是它们的应用上升到了一个新的层次。  比如涉及的聚类算法，如果你要很专业地全面地学习聚类算法，建议参考数学系的课程“多元统计”中的“聚类分析”，基本上理论部分非常详尽了。

 

 

评论

1 楼 bluky999 2011-08-03  

绝大部分推荐引擎相关的文章所提到的两个典型例子：

1 amazon的商品推荐；

2 豆瓣的书籍音乐电影推荐。