github：
產品的形式，決定了解決問題的方法。
微博新使用者註冊的時候，會問你對哪些領域感興趣 ，就是在得到你的興趣愛好，還建議關注一些大v，也是乙個意思。
《推薦系統實踐》特意拿出一章來說推薦系統冷啟動問題，裡面講的很好了，有必要看一看。
具體到 『出租公寓專案』，怎麼來做呢？可以參考58同城的做法。
我們可以根據公寓資料，從多方面把公寓分類，按城市，區域，樓層，整租？合租？，主臥？次臥？樓房？平房？，**梯度，就像58同城這樣，盡量不要讓使用者去 打字 再 搜尋，使用者看到以各種內容分類的資訊入口，一目了然，也比較容易找到自己感興趣的內容。
推薦系統實戰 出租公寓專案8 推薦系統評估
前面說了那麼多，推薦系統的冷啟動，協同過濾演算法，聚類演算法，關聯規則，混合演算法，那現在問題出來了，我用哪種演算法來寫我自己的公寓出租推薦系統呢？一是憑經驗，二，所有演算法都測試一遍，看哪個效果好！效果好的標準是什麼？就是馬上要說的推薦系統的評估，指標。當然，ab test也有缺點，週期比較長，必...
推薦系統實戰 出租公寓專案5 基於聚類分析推薦
在這裡 聚類通俗的講，即所謂 物以類聚，人以群分 聚類 clustering 是乙個資料探勘的經典問題，它的目的是將資料分為多個簇 cluster 在同乙個簇中的物件之間有較高的相似度，而不同簇的物件差別較大。簡單，非常簡單！聚類是非監督版的 分類 把相近的資料劃分成多個簇，乙個簇內的所有資料相關性...
推薦系統實戰 2
使用者行為在個性化推薦系統中一般分為兩種 顯性反饋行為和隱性反饋行為。特徵顯性反饋資料 隱性反饋資料 使用者興趣 明確不明確 數量較少 龐大儲存 資料庫分布式檔案系統 實時讀取 實時有延遲 正負反饋 都有只有正反饋 按照反饋的明確性分，使用者行為資料可以分為顯性反饋和隱性反饋 按照反饋的方向分，又可...