《推薦系統：技術、評估及高效算法》一2.1 簡介

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

推薦系統典型地運用了其他相鄰領域的技術和方法，如人機互動和資訊檢索。但是，大多數系統的核心算法都可以了解成資料挖掘技術的一個特例。

資料挖掘的過程一般由三個連續執行的步驟組成：資料預處理［59］、資料分析和結果解釋（見圖2.1）。我們将在2.2節中分析一些最重要的資料預處理方法。鑒于資料抽樣、資料降維、距離函數在推薦系統中的意義及所擔任的重要角色，我們将特别關注這些内容。從2.3節到2.5節，将總體介紹在推薦系統中最常使用的資料挖掘方法：分類、聚類、關聯規則發現（圖2.1詳細顯示了本章中包含的不同主題）。

本章不會完整回顧資料挖掘方法，而是強調資料挖掘算法在推薦系統領域中的影響，并概述已經成功應用的主要資料挖掘技術。感興趣的讀者可以進一步參考資料挖掘課本（見［28,73］），或參考貫穿全章的引文。