r******g
发帖数: 13 | 1 machine learning 方面的同学或大牛，求推荐recommendation system 方面的好的
paper, 据说amazon的这个已经是old fashioned, 求科普这方面的，多谢了 |
r**l
发帖数: 31 | 2 做recommendation的话matrix factorization必读啊，易用结果好，所以挺
popular的，原来netflix prize的paper，现在factorization machine都可以读一读。
其实recommendation也是一种ranking problem, ranking适用的approach也都一样用
【在 r******g 的大作中提到】
: machine learning 方面的同学或大牛，求推荐recommendation system 方面的好的
: paper, 据说amazon的这个已经是old fashioned, 求科普这方面的，多谢了
|
r******g
发帖数: 13 | 3 RAIL,多谢哈，以为帖子每人回。 以前听一个牛人说amzon过时乐，2006出了新的技术
，应该就是netflix prize引出的。顺便发一下自己查到的，greg linden的 Amazon
recommmendaton， 比较老的report了，还有mahout, 好像比weka更实用，注重
scalability。再问下，有没有ranking problem的牛paper？google的ranking 技术保密
【在 r**l 的大作中提到】
: 做recommendation的话matrix factorization必读啊，易用结果好，所以挺
: popular的，原来netflix prize的paper，现在factorization machine都可以读一读。
: 其实recommendation也是一种ranking problem, ranking适用的approach也都一样用
|
q*********3
发帖数: 470 | 4 search了一下用matrix factorization做recommendation的内容，感觉用non-negative
matrix factorization应该更好啊，至少能给这种现实的应用以物理解释，不明白如
果用matrix factorization出现负值在rating系统里怎么理解
另外前辈能介绍下做ranking的经典approach吗？
【在 r**l 的大作中提到】
: 做recommendation的话matrix factorization必读啊，易用结果好，所以挺
: popular的，原来netflix prize的paper，现在factorization machine都可以读一读。
: 其实recommendation也是一种ranking problem, ranking适用的approach也都一样用
|
s***5
发帖数: 2136 | 5 PageRank的paper怎么保密了？找找就能找到
保密
【在 r******g 的大作中提到】
: RAIL,多谢哈，以为帖子每人回。 以前听一个牛人说amzon过时乐，2006出了新的技术
: ，应该就是netflix prize引出的。顺便发一下自己查到的，greg linden的 Amazon
: recommmendaton， 比较老的report了，还有mahout, 好像比weka更实用，注重
: scalability。再问下，有没有ranking problem的牛paper？google的ranking 技术保密
|
v*****k
发帖数: 7798 | 6 经典approach就是人肉rulebase排序。
negative
【在 q*********3 的大作中提到】
: search了一下用matrix factorization做recommendation的内容，感觉用non-negative
: matrix factorization应该更好啊，至少能给这种现实的应用以物理解释，不明白如
: 果用matrix factorization出现负值在rating系统里怎么理解
: 另外前辈能介绍下做ranking的经典approach吗？
|
a***n
发帖数: 538 | 7 现在是不是netflix没有这个功能了？我好想只看见根据我看过的单个电影的list。 |
