转自豆瓣：http://www.douban.com/note/127225655/?post=ok#last

书籍或论文 附件1：《集体智慧编程（Collective Intelligence）》 第二章 Making Recommendations; 下载地址：http://download.csdn.net/source/272746 附件2：ACM Recsys2010 workshop on Recommender Systems and the Social Web 的论文集 下载地址：http://www.dcs.warwick.ac.uk/~ssanand/RSWeb_files/Proceedings_RSWEB-10.pdf 附件3：2009 ACM的一篇文章 《The Wisdom of the Few》 下载地址：http://www.cscs.umich.edu/~jmpujol/public/papers/wisdowm_few_sigir09.pdf Recommender Systems Handbook（感谢阿稳推荐~） 豆瓣链接：http://book.douban.com/subject/3695850/  第一届推荐推荐系统高峰论坛：http://www.resysforum.org/（峰会视频，ppt） 一些网址 豆瓣在推荐领域的实践和思考 作者是 豆瓣算法组的老大 http://www.slideshare.net/clickstone/ss-2756065 Resys China http://www.resyschina.com/ Resys China的豆瓣小站 http://site.douban.com/106414/ 几个博客 胖子，豆瓣算法团队负责人 http://www.douban.com/people/1000037/ clickstone, 北航博士，cutt网创始人 http://www.guwendong.com/ 附豆瓣页面：http://www.douban.com/people/wdgu/ xlvector, 中科院博士，Netflix Prize第二名团队成员 http://xlvector.net/blog/ 阿稳，中科大硕士，豆瓣算法团队，算法攻城师 http://www.wentrue.net/blog/ 附豆瓣页面：http://www.douban.com/people/wentrue/ canbiao，百度广告部门 http://www.douban.com/note/89843147/ chen_1st 百度hi：http://hi.baidu.com/chen_1st 豆瓣：http://www.douban.com/people/chen_1st/ 开源项目：

dunie：http://www.duineframework.org/

 Mahout-Taste：http://mahout.apache.org/

my slideshare id：idy_10000;http://www.slideshare.net/idy_10000 个人觉得推荐系统本身还是有科研价值的，基于以下三点考虑： 1.常规的推荐系统的问题（如冷启动等）一直没有得到很好的解决； 2.传统的机器学习算法一般是基于数据和知识不足的假设，而在数据爆炸的今天，前提假设已经发生了非常大的变化，从而需要对旧的算法做出改进；（借鉴自once的年终总结） 3.在工业界已经证明了其价值（Google， Facebook，Netflix，国内的 百度、豆瓣）