建立大规模的真实世界推荐系统Building Large-scale Real-world Recommender Systems - Recsys2012 tutorial
解剖了Netflix的个性化特点（“一切都是个性化”），在这篇PPT中谈了Netflix的数据模型（包括物流/线性回归，弹性网，矩阵分解和马尔可夫链），消费数据科学（用户离线和在线测试），

在建立大型社会网络推荐系统中关键要点Key Lessons Learned Building Recommender Systems for Large-scale Social Networks
这篇PPT谈了推荐系统对于LinkedIn的重要性，提供了用户绝佳体验，以及关于切片/标签数据的挑战性, 测试的价值等

音乐推荐和唱片发现Music Recommendation and Discovery Remastered
谈了建设一个音乐推荐系统（包括庞大的库存，每件成本低，低功耗，高度情境使用）面临的独特挑战，怎样才能做出一个好的音乐推荐，以及不同推荐策略的优点/缺点。

建立一个基于Solr的实时推荐引擎Building a Real-time, Solr-powered Recommendation Engine
该文提供了一个使用Solr搜索和匹配的概述，包括基于内容（基于属性的，分层的，文本的相似性，基于概念）和基于行为的方法构建推荐系统相关概念。也指出CareerBuilder为什么选择Solr而没有选择Mahout。

Committing to Recommendations
谈了有关Stitch Fix创建一个完美推荐系统的努力 – 甚至客户都没有明显感受到它的存在，也谈了关于算法数据收集，以及如何将算法和人工判断结合在一起。

[该贴被banq于2013-07-18 07:00修改过]

五个有关推荐系统的资料