Recommendation方向学习

综述

目前推荐上研究的方向有这样几个方向: 1.Temporal Context-Aware Recommendation 2.Spatial Recommendation for Out-of-Town Users 3.Location-based and Real-time Recommendation 4.Efficiency of Online Recommendation

补充学习:

online learning强调的是学习是实时的，流式的，每次训练不用使用全部样本，而是以之前训练好的模型为基础，每来一个样本就更新一次模型，这种方法叫做OGD（online gradient descent）。 batch learning或者叫offline learning强调的是每次训练都需要使用全量的样本，因而可能会面临数据量过大的问题。

传统的推荐系统广泛都使用了协同过滤和基于内容过滤技术

协同过滤分为

基于内存的推荐和基于模型的推荐(矩阵分解)

Context-Aware Recommender Systems(CARS)包含三种范例:contextual pre-filtering,contextual post-filtering and contextual modeling.