《推荐系统：技术、评估及高效算法》一2.1　简介

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

2.1　简介

推荐系统典型地运用了其他相邻领域的技术和方法，如人机交互和信息检索。但是，大多数系统的核心算法都可以理解成数据挖掘技术的一个特例。
数据挖掘的过程一般由三个连续执行的步骤组成：数据预处理［59］、数据分析和结果解释（见图2.1）。我们将在2.2节中分析一些最重要的数据预处理方法。鉴于数据抽样、数据降维、距离函数在推荐系统中的意义及所担任的重要角色，我们将特别关注这些内容。从2.3节到2.5节，将总体介绍在推荐系统中最常使用的数据挖掘方法：分类、聚类、关联规则发现（图2.1详细显示了本章中包含的不同主题）。

本章不会完整回顾数据挖掘方法，而是强调数据挖掘算法在推荐系统领域中的影响，并概述已经成功应用的主要数据挖掘技术。感兴趣的读者可以进一步参考数据挖掘课本（见［28,73］），或参考贯穿全章的引文。