三、相关论文
1、RSPapers
最近和几个同学共同整理了关于推荐系统的一些经典必读论文，包括综述文章、传统经典推荐文章、社会化推荐文章、基于深度学习的推荐系统文章以及专门用于解决冷启动问题的文章等。该项目还在持续更新中，欢迎大家star，欢迎大家补充，让我们一起构建一个完整的入门推荐论文清单，让想入门推荐的童鞋们不必再想咱们一样痛苦吧。
项目链接：hongleizhang/RSPapers
四、相关课程
Recommender Systems Specialization
最近，coursea上开放了推荐系统专项课程《Recommender Systems Specialization》。
该课程于2018年3月26日开课，这个系列由4门子课程和1门毕业项目课程组成，包括推荐系统导论，最近邻协同过滤，推荐系统评价，矩阵分解和高级技术等，感兴趣的同学可以关注。
五、关于数据集
1、MovieLens
适用于传统的推荐任务，提供了3种不同规模的数据，包含用户对电影的评分信息，用户的人口统计学特征以及电影的描述特征。
2、Filmtrust
适用于社会化推荐任务，规模较小，包含用户对电影的评分信息，同时包含用户间的信任社交信息。
3、Douban
适用于社会化推荐任务，规模适中，包含用户对电影的评分信息，同时包含用户间的信任社交信息。
4、Epinions
适用于社会化推荐任务，规模较大，包含用户对电影的评分信息，同时包含用户间的信任社交信息，值得注意的是，该数据集同时还包括不信任关系信息。
5、Yelp
几乎适用于所有推荐任务，数据规模大，需要手动提取自己需要的信息，包含评价评分信息，用户信息（注册信息、粉丝数量、朋友信息），商品信息（属性信息、位置信息、图像信息），建议信息等。
六、代码与工具
1、LibRec
java版本开源推荐系统，包含了70多种经典的推荐算法。
2、Surprise
python版本开源推荐系统，包含了多种经典的推荐算法。
3、LibMF
c++版本开源推荐系统，主要实现了基于矩阵分解的推荐算法。
4、Recommender-System
python版本开源推荐系统，包含了多种经典的推荐算法。
5、Neural Collaborative Filtering
python实现神经协同过滤推荐算法。
未完待续...
