《推薦系統：技術、評估及高效算法》一第2章Recommender Systems Handbook推薦系統中的資料挖掘方法

本節書摘來自華章出版社《推薦系統：技術、評估及高效算法》一書中的第2章，第2.1節，作者 [ 美］弗朗西斯科·裡奇（francesco ricci）利奧·羅卡奇（lior rokach）布拉哈·夏皮拉（bracha shapira）保羅 b.坎特（paul b.kantor），更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視

xavier amatriain、alejandro jaimes、nuria oliver和josep m.pujol　xavier amatriain,telefonica research,via augusta,122,barcelona 08021,spain e-mail:[email protected]

alejandro jaimes,yahoo!research,av.diagonal,177,barcelona 08018,spain.work on the chapter was performed while the author was at telefonica research.e-mail:[email protected]

nuria oliver,telefonica research,via augusta,122,barcelona 08021,spain e-mail:[email protected]

josep m.pujol,telefonica research,via augusta,122,barcelona 08021,spain e-mail:[email protected]

翻譯：吉林大學丁彬钊　稽核：劉湘勇，胡聰（胡戶主），鄭州大學吳賓

摘要　本章概述了推薦系統中用到的一些重要的資料挖掘技術。首先描述的是常見的資料預處理方法，如抽樣和降維。其次，回顧推薦系統中最重要的分類技術，包括貝葉斯網絡和支援向量機。我們對k-means聚類算法進行描述并讨論其幾個替代算法。我們也會介紹有效訓練過程中的關聯規則和相關算法。除了介紹這些技術，我們也會考察它們在推薦系統中的使用情況，同時介紹它們成功應用的案例。