1. 我们最终敲定的模型，参考文献《Pairwise Preference Regression for Cold-start
   Recommendation》。只可惜当时用R写的代码慢的让人自杀，不得不放弃，于是用R整理好数据后，让同学代写C程序（大一时候学的C已经忘得差不多了，真是深感惭愧）。但是谁知道一直有个BUG没有解决，直接导致我们最后参赛结果：0提交！择人不善啊~~以后还是找个靠谱的熟悉矩阵的同学来写C代码吧。模型思想：根据推荐者与被推荐者的features与得分矩阵做拟合，得到推荐与被推荐者features之间权矩阵，然后预测得分。直接了当！模型评价：elegant！思想简约，有数学显式解，对推荐系统的冷启动问题效果应该不错。但是不知道对这次婚介的数据做出来效果是否好，真希望我们能够把那程序完善，去测试一次，了结心愿。
2. 次选模型论文《Hydra: A Hybrid Recommender System》。也很不错，将需要的features信息都能够较好的连接起来，也是通过这个文章，知道了有个对等网络这玩意，也还不错。缺点就是在原基础上扩展的矩阵会很大，特别是对于这次婚介的推荐，SVD做起来消耗估计也会很大，不会太快，效果可能也比较一般。所以对于特征的选取还是得靠前期的数据了解，知道哪些人的特征在此数据中可以省下很多工作。跟这篇文章相关的文章很多，提高精度也罢，改进模型也罢，反正看着挺好，就是不知道用起来如何...sigh~~
3. 《A Singular Value Decomposition Approach Recommendation Systems》这篇文章还是讲SVD的，但是感觉看了那么多论文，感觉这篇文章前面的Introduction介绍推荐系统比较系统全面，如果对推荐系统问题有了较好的定位，我觉得不管做哪些问题，思路都会清晰很多，把握住了问题的关键点，这样结果才会有好的突破。当然这篇文章也详细论述了SVD用在推荐系统的实际意义。
4. 最后再提一个我和小南都认为很不错的论文《Learning User Preferences in Online Dating》，思想很简单，高中生也能不过很能够解决问题。当然这篇文章有个致命的缺陷：数据获取，要能够获得双方发MSG时候的信息。这个实际中估计是是不可能的，所以这篇文章只能提供一个比较好的思路，不能解决实际问题，仅供把玩~~
5. 至于协同过滤的东西，看了挺多，觉得这个东西重要的不是数学，而是他的思想，比如从USER变换到ITEM就可以获得一个很大的突破，真的是让人感觉很畅快。

比赛早已落下帷幕，小南说他已经把PAPER全扔进了垃圾桶，我也想删掉这群文献了。虽然结果让人很XX，但是没有关系，起码都获得了很多，这点只好深埋心里，笑而不语也。看排行榜龙争虎斗也是快事一件！

The post 看过的“推荐系统”文献 appeared first on 境由心生.