摘要
Y.Koren，R.Bell，C.Volinsky。 推荐系统的矩阵分解技术。 计算机，42（8），2009年。 谷歌学者 
数字图书馆 
J.Lee、S.Kim、G.黎巴嫩、Y.Singer。 局部低秩矩阵近似。 ICML，2013年。 谷歌学者 数字图书馆 M.Riedmiller和H.Braun。 一种快速反向传播学习的直接自适应方法：RProp算法。 IEEE神经网络国际会议，1993年。 谷歌学者 交叉引用 
R.Salakhutdinov、A.Mnih、G.Hinton。 用于协同过滤的受限Boltzmann机器。ICML，2007年。 谷歌学者 数字图书馆 B.Sarwar、G.Karypis、J.Konstan、J.Riedl。 基于项目的协同过滤推荐算法。 WWW，2001年。 谷歌学者 数字图书馆
建议
一个可扩展、准确的混合推荐系统 WKDD’10：2010年第三届知识发现和数据挖掘国际会议论文集 推荐系统应用机器学习技术来过滤看不见的信息，并可以预测用户是否想要给定的资源。 推荐系统主要有三种类型：协作过滤、基于内容的过滤和。。。 基于迭代预测方法的协同滤波缓解稀疏性问题 iiWAS’09：第11届信息集成和基于Web的应用程序与服务国际会议记录 协同过滤（CF）是最流行的推荐系统技术之一。 它试图通过计算用户配置文件之间的相似性来识别具有相关兴趣和偏好的用户。 这种方法背后的想法是，它可能。。。
