本节书摘来自华章出版社《推荐系统：技术、评估及高效算法》一书中的第2章，第2.1节，作者 [ 美］弗朗西斯科·里奇（Francesco Ricci）利奥·罗卡奇（Lior Rokach）布拉哈·夏皮拉（Bracha Shapira）保罗 B.坎特（Paul B.Kantor），更多章节内容可以访问云栖社区“华章计算机”公众号查看
第2章Recommender Systems Handbook推荐系统中的数据挖掘方法
Xavier Amatriain、Alejandro Jaimes、Nuria Oliver和Josep M.Pujol Xavier Amatriain,Telefonica Research,Via Augusta,122,Barcelona 08021,Spain e-mail:xar@tid.es
Alejandro Jaimes,Yahoo!Research,Av.Diagonal,177,Barcelona 08018,Spain.Work on the chapter was performed while the author was at Telefonica Research.e-mail:ajaimes@yahoo-inc.com
Nuria Oliver,Telefonica Research,Via Augusta,122,Barcelona 08021,Spain e-mail:nuriao@tid.es
Josep M.Pujol,Telefonica Research,Via Augusta,122,Barcelona 08021,Spain e-mail:jmps@tid.es
翻译：吉林大学丁彬钊 审核：刘湘勇，胡聪（胡户主），郑州大学吴宾
摘要 本章概述了推荐系统中用到的一些重要的数据挖掘技术。首先描述的是常见的数据预处理方法，如抽样和降维。其次，回顾推荐系统中最重要的分类技术，包括贝叶斯网络和支持向量机。我们对K-means聚类算法进行描述并讨论其几个替代算法。我们也会介绍有效训练过程中的关联规则和相关算法。除了介绍这些技术，我们也会考察它们在推荐系统中的使用情况，同时介绍它们成功应用的案例。
