《推荐系统》所带给我的所感所悟
<!--[endif]-->
寒假趁着有时间读了一本叫做《推荐系统》的书，选择这本书并不是得到了某位大神的推荐，只是单纯地觉得它封面高大上，正好我对数据挖掘，机器学习这类领域很感兴趣，所以就一时冲动买了。在家里被我忽略了十多天后，终于忍不了了，毕竟59块钱那么贵，所以痛下决心把他读完。
事实证明我是瞎猫撞上死耗子了。这本书的确比较适合像我这样的小白。现在我将简单谈谈我读完这本书的收获，顺便给自己点个赞，哈哈
内容以及小结：
这本书首先介绍了“协同过滤推荐”，“基于内容的推荐”，“基于知识的推荐”三个推荐系统，读完前三章，需要对这三个推荐系统有一个基本的了解，包括它的原理，适用场景，优势和缺陷。在读这部分的时候，我读”协同过滤推荐”、”基于内容的推荐”比较深入，而“基于知识的推荐”比较浅(很重要的原因是老是学数学好累……)
接下来就是将这些推荐方案混合使得推荐更加有效，第五章“混合推荐方法”就是将之前介绍的三种方法混合。读完此章同样需要大概知道目前混合的几种形式，优势缺陷，作用范围。
“推荐系统的解释”强调推荐系统应该与用户进行沟通，就像售货员会向顾客解释为什么自己会推荐用户购买某种产品，以博取用户的信任，如果系统能对自己的推荐行为对用户做出解释，用户会更乐意信任并配合推荐系统。
接下来是如何评估一个推荐系统，第七章我办理以为是可以水水过的，没想到作者仍然很严谨地介绍了几种评价方案。评价一个推荐系统与实现一个推荐系统同样重要，因为只有我们如何去评价一个推荐系统，才能知道如何去选择、改进一个推荐系统。
在介绍最新进展的过程中，这本书讲到了针对协同推荐系统的攻击(其实我觉得这部分不重要，对现在的我来说，因为这是到达一定规模后实际使用才会考虑的问题)，在线消费决策（这部分是从心理学的角度如何去构建推荐系统，很有趣，可以精读）。
“推荐系统和下一代互联网”这一章中，介绍了基于信任的推荐和大众分类法，本体过滤三种推荐方式，这部分我读得比较粗，但是还是比较有意思的，而且也比较新颖。读第二遍的时候，或者在未来我会着重关注这部分。
难度分析：
目前我在湖南大学读本科，软件工程专业，科班出身，作为一个学弱的我深深体会到了什么叫“数学是一切科学的基础”，第一部分介绍基本概念的时候，这本书运用了很多数学的“黑话”（也就是术语），并且使用了很多的数学方法去论证，其中最重要的方法之一就是朴素贝叶斯，看懂这部分需要有比较好的数学基础，我看这部分的时候很吃力，往往只能看个似懂非懂。对于自己暂时难以看懂的部分，我不会过于地纠结，因为这本书介绍的东西实在是太多了，其中涉及的很多问题都需要很详细地介绍。我觉得可以先把难得地方放一放，读过一遍之后再慢慢咬文嚼字。
尽管如此，我仍然认为这是一本适合小白读的书，原因如下：
<!--[if !supportLists]-->1. <!--[endif]-->尽管涉及数学知识、建模知识等其他领域的知识，但是我仍然能够感觉到作者在有意识地去用比较通俗易懂的方式去写的，没有故弄玄虚。
<!--[if !supportLists]-->2. <!--[endif]-->这本书只有两百多页，比较薄，小白如果读起来不会产生挫败感和畏难感；
<!--[if !supportLists]-->3. <!--[endif]-->也许有很多地方读不懂，但是对于一个小白来说读完一本书产生更多的问题其实是好事，读完《推荐系统》这本书也许你不能去实现一个推荐系统的demo，但是至少会让你知道需要去专研什么问题，这才是一本入门书需要做的。
感想以及计划：
读过这本书，我感觉如果要我去专研算法使得推荐方案更有效更精确是难为我了，研究推荐系统注定要跟算法打交道，但并不一定非得把自己逼成一个算法大神才能有所建树，对于我推荐系统中所涉及的算法，我给自己的要求是尽量能看懂，会根据不同的场景去选择使用推荐算法，这个要求也许在这个领域并不高，但并不等于很容易实现。不积跬步，无以致江河。也许我并不能完全掌握这本书介绍的知识技术，但他一定能会是一扇窗，让我有更辽阔的视野。
(最后分享我读书过程中零零散散的读书笔记吧)