入门推荐系统，这25篇综述文章足够了

推荐系统，对于我们来说并不陌生，可以说无处不在。抖音的视频推荐让我们欲罢不能，淘宝的猜你喜欢令大家流连忘返，网易云的每日歌单使我们沉浸其中。可见，推荐技术已经成为了业界的流量担当、变现神器，也成为了我们的生活小助手，渗透到生活的各个方面。

推荐系统的核心是推荐算法，其通过利用用户对项目的行为数据、用户画像以及物品属性来构建推荐模型，进而对用户的未来行为进行预测。

推荐系统根据不同的分类维度可进行多种分类，以下进行举例介绍。

• 根据产品的存在形式可以分为：首页推荐、热门推荐和相关推荐等。

• 根据推荐技术的不同分为：基于内容的推荐、基于协同过滤的推荐、基于混合的推荐。

• 根据利用的信息不同可分为：协同过滤推荐、社会化推荐、兴趣点推荐、知识图推荐以及标签推荐等。

• 根据推荐任务不同可分为：评分预测和项目排序。

• 根据模型所利用假设不同分为：以KNN为代表的非训练的方法，以MF为代表的传统机器学习方法，以及以Wide&Deep模型为代表的深度学习推荐等。

可见推荐的形式以及种类繁多，对于刚入门的同学来说有点头疼。那么如何才能入门呢，相信最好的办法是阅读相关的综述文章（当然最好是有一定的数学基础以及背景知识）。因此本文的作用起到综述索引的效果，我也把她叫做推荐系统综述的综述(Surveys on Survey on Recommendation)，将对25篇推荐系统综述归类为15种类别，希望能够对大家有一个整体的概念。然后便是选择其中一个具体细分领域进行深挖，成为该领域的佼佼者。

推荐系统综述

• Adomavicius et al. Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE TKDE, 2005.

• Zhu et al. Research Commentary on Recommendations wi