翻译推荐系统的目录（Directory of translation recommender systems）.docVIP

翻译推荐系统的目录（Directory of translation recommender systems） 翻译：推荐系统手册的目录 缘由 就想翻译点东西，看完”集体智慧编程”之后对机器学习那块有点淡化了。总觉得自己不喜欢数学，更喜欢编程。今天随意翻译翻译推荐系统手册的目录。虽然现在处于一个比较迷茫的阶段，不过昨晚写那段设计模式的代码的时候，还是深深的感受到了对编程的喜爱废话不多说，上吧。 目录 1、推荐系统手册简介（作者：Francesco Ricci、Lior Rokach、Bracha Shapira） ---- 1.1简介 ---- 1.2推荐系统的功能 ---- 1.3数据源和信息源 ---- 1.4推荐技术 ---- 1.5应用与评价 ---- 1.6推荐系统与人机交互 -------- 1.6.1信任、解释和信服 -------- 1.6.2会话系统 -------- 1.6.3可视化 ---- 1.7推荐系统属于多学科交叉领域 ---- 1.8展望与挑战 -------- 1.8.1本书中讨论的展望 -------- 1.8.1挑战 ----参考文献 图2 第一部分：基本技术 2、用于推荐系统的数据挖掘的方法（作者：Xavier Amatriain，Alejandro Jaimes，Nuria Oliver，Josep M. Pujol） ---- 2.1简介 ---- 2.2数据预处理 -------- 2.2.1相似度的计算方式 -------- 2.2.2取样 -------- 2.2.3降低纬度 -------- 2.2.4去噪 ---- 2.3分类 -------- 2.3.1近邻 -------- 2.3.2决策树 -------- 2.3.3基于规则的分类器 -------- 2.3.4贝叶斯分类器 -------- 2.3.5人工神经网络 -------- 2.3.6支持向量机 -------- 2.3.7分类器的集成 -------- 2.3.8评价分类器 ---- 2.4聚类分析 -------- 2.4.1 K均值聚类 -------- 2.4.2 K均值聚类的替代选择 ---- 2.5关联规则挖掘 ---- 2.6结论 ----参考文献 3、基于内容的推荐系统：现状与趋势（作者：Pasquale Lops、Marco de Gemmis、Giovanni Semeraro） ---- 3.1简介 ---- 3.2基于内容的推荐系统的基础 -------- 3.2.1一个基于内容的高层体系架构 -------- 3.2.2基于内容过滤的优势与缺点 ---- 3.3基于内容的推荐系统的现状 -------- 3.3.1物品的表示 -------- 3.3.2了解用户资料的方法 ---- 3.4趋势与深入研究 -------- 3.4.1用户输入内容在推荐过程中的作用 -------- 3.4.2超越过份的特殊：意外的财富 ---- 3.5总结 ----参考文献 4、综合考察基于邻域的推荐方式（作者：Christian Desrosiers和George Karypis） ---- 4.1简介 -------- 4.1.1正式定义 -------- 4.1.2推荐方法的总览 -------- 4.1.3邻域方式的优势 -------- 4.1.4目标和大纲 ---- 4.2邻域的推荐方式 -------- 4.2.1基于用户的打分预测 -------- 4.2.2基于用户的分类 -------- 4.2.3回归VS分类 -------- 4.2.4基于物品的推荐 -------- 4.2.5基于用户VS基于物品的推荐方式 ---- 4.3基于邻域的方法构成 -------- 4.3.1打分归一化 -------- 4.3.2带权重的相似度计算 -------- 4.3.3邻域的选择 ---- 4.4高级技术 -------- 4.4.1降维的方法 -------- 4.4.2基于图的方法 ---- 4.5总结 ----参考文献 5、协同过滤的进展（作者：Yehuda Koren和Robert Bell） ---- 5.1简介 ---- 5.2前言 -------- 5.2.1基线预测 -------- 5.2.2 Netflix的数据集 -------- 5.2.3隐式反馈 ---- 5.3矩阵分解模型 -------- 5.3.1 SVD（奇异值分解） -------- 5.3.2 SVD + +（奇异值分解） -------- 5.3.3时间敏感的因子模型 -------- 5.3.4比较 -------- 5.3.5总结 ---- 5.4邻域的模型 -------- 5.4.1相似度