这不是一篇文章,只是一个ibm dw上的文章list - 关于推荐引擎和apache mahout的:
探索推荐引擎内部的秘密
第 1 部分: 推荐引擎初探
第 2 部分: 深入推荐引擎相关算法 - 协同过滤
第 3 部分: 深入推荐引擎相关算法 - 聚类
http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html
http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html
http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy3/
ps:作者列表 [莫非IBM的女工程师都喜欢写dw文章?dw文章的协作模板我看了都觉得麻烦...或许这其实是assistant xxoo做的事情?]
赵 晨婷, 软件工程师, IBM
马 春娥, 软件工程师, IBM
Apache Mahout 简介
通过可伸缩、商业友好的机器学习来构建智能应用程序
Grant Ingersoll, 技术人员, Lucid Imagination
http://www.ibm.com/developerworks/cn/java/j-mahout/
基于 Apache Mahout 构建社会化推荐引擎
还是上面那个系列的两女软工(我想应该都是女的)写的。
http://www.ibm.com/developerworks/cn/java/j-lo-mahout/
最后,我谈点自己的建议和想法:
1 推荐引擎:如果你需要在自己的项目和产品中使用这个方面的功能,要么自己学习原理和算法,自己实现简单的;要么采用开源技术方案。
2 就如上述文章所讲的,核心的算法,其实都是数学和统计学中的典型内容,并无创造性的全新东西;只是它们的应用上升到了一个新的层次。 比如涉及的聚类算法,如果你要很专业地全面地学习聚类算法,建议参考数学系的课程“多元统计”中的“聚类分析”,基本上理论部分非常详尽了。