很多时候不是我们做不好，而是没有竭尽全力.
我希望你可以给我一份任务，然后给我一个完成的期限，给我压力，我才会认真去做。
奋斗真的不是很舒服。
好想体验以下你的生活。
如果一个推荐系统可以做到给用户推荐ta所关心的某一个领域的牛人的文章或者书籍，或者可以提高ta的技能的推荐，才是这个社会中最缺的，但是，人性如此，要怎么去改变，肯定需要很长的时间去改变他们的想法。
SVD简介
推荐系统设计
机器学习公开课笔记(9)：异常检测和推荐系统
推荐系统中的SVD
推荐系统架构实例
推荐系统算法总结
基于知识库的信息推荐系统
协同过滤的主要思想是聚类（无论是基于用户还是基于商品）
推荐系统的目的是为客户提供可能喜欢（购买）的产品，但从本质上来说是一个聚类的过程（对客户聚类或者对商品聚类）。
统计每部电影的评分人数，可以看出电影的流行程度。
推荐系统三个重要的模块：用户建模模块、推荐对象建模模块、推荐算法模块。通用的推荐系统模型流程如图。推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时适用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。
标签算法：
1.统计每个用户常用标签
2.对于每个标签，统计打过这个标签次数较多的物品
3.对于一个用户，找到其常用标签，然后找到具有这些标签的最热门物品
基线算法
统计用户最常用的标签，对每个标签，统计被打过这些标签的最多的商品，然后把这些商品推荐给用户。
标签会随着系统发展，变得越来越多。因此相似的标签需要合并，不合理的标签要去掉，太过普遍的标签会被降权。
如果用户给的标签太少，则可以在已有的标签上，给出更多新的标签。
标签相当于是个纽带。同样标签也能被推荐，方法也很简单。
推荐系统实例
基础结构
包括三个部分：UI，日志系统和推荐系统。
三个级别： 用户，特征，商品。先从用户生成特征，再通过特征找到商品。
三个步骤： 推荐，过滤，排序。
多个推荐系统可以进行投票，最终可以做推荐系统的推荐系统，按照不同用户的需求生成推荐
推荐系统（1）—协同过滤基本思想及其实现
推荐系统（2）—LFM（Latent Factor Model）模型
推荐系统实践--基于用户的协同过滤算法
大作业-电影推荐系统
推荐系统之协同过滤
基于机器学习的推荐系统
推荐系统
推荐系统知识点汇总
[机器学习笔记]奇异值分解SVD简介及其在推荐系统中的简单应用
推荐系统中物品相似度计算
推荐系统呀
推荐系统中物品相似度计算
推荐系统相关算法以及过程
推荐系统读书笔记(三）推荐系统冷启动问题
推荐系统呀呀
推荐系统之协同过滤概述
用 Mahout 和 Elasticsearch 实现推荐系统
推荐系统之协同过滤的原理及C++实现
推荐系统之矩阵分解及其Python代码实现
推荐算法中的MF, PMF, BPMF
SVD++推荐系统
基于标签的推荐系统
《推荐系统实战》- 笔记与思考
个性化推荐系统（三）---推荐系统意义一点思考（写的很好，很有感触，可以看看，你会得到思考）
基于Spark机器学习和实时流计算的智能推荐系统
推荐系统之余弦相似度的Spark实现
推荐系统的评测方法
一个完整推荐系统的设计实现-以百度关键词搜索推荐为例
在SVD分解中，奇异矩阵中对角线的值已经按照由大到小排序了，即使去掉特征值小的那些特征，依然可以很好地重构出原始矩阵。
【机器学习】推荐系统、SVD分解降维
推荐系统之冷启动问题
netflix推荐系统竞赛
【推荐系统论文笔记】个性化推荐系统评价方法综述（了解概念——入门篇）
《推荐系统实践》样章：如何利用用户标签数据
推荐系统：基于用户和模型的协同过滤电影推荐
【推荐系统】评估指标总结
推荐系统的架构
推荐系统中的评分预测（其中涉及到了用回归评判预测的准确度）
推荐系统（这篇文章很全，涵盖了推荐系统的评测指标，并且相关代码已经写出，以及结果都已经给出，涉及到了推荐系统的很多方面，比如训练集和测试集都是什么的，都已经给出相关的例子，好好看下）
算法是什么？我们可以把它简化为一个函数。函数接收若干个参数，输出一个返回值。
利用word2vec一类工具，可以将文本的关键词聚类，然后根据话题将文本向量化。
5类系统推荐算法,非常好使,非常全（写的很不错，值得一看）
深度学习在美团点评推荐平台排序中的应用&& wide&&deep推荐系统模型--学习笔记（写的挺好的，就是有些东西还不是很懂，或许当以后遇到实际问题时，会更清楚的理解吧）
用户模型的建模方法主要有遗传算法、基于机器学习的算法，例如TF-IDF、自动聚类、贝叶斯分类器、决策树归纳和神经网络方法。
