综述
目前推荐上研究的方向有这样几个方向:
1.Temporal Context-Aware Recommendation
2.Spatial Recommendation for Out-of-Town Users
3.Location-based and Real-time Recommendation
4.Efficiency of Online Recommendation
补充学习:
online learning强调的是学习是实时的，流式的，每次训练不用使用全部样本，而是以之前训练好的模型为基础，每来一个样本就更新一次模型，这种方法叫做OGD（online gradient descent）。
batch learning或者叫offline learning强调的是每次训练都需要使用全量的样本，因而可能会面临数据量过大的问题。
传统的推荐系统广泛都使用了协同过滤和基于内容过滤技术
协同过滤分为
基于内存的推荐和基于模型的推荐(矩阵分解)
Context-Aware Recommender Systems(CARS)包含三种范例:contextual pre-filtering,contextual post-filtering and contextual modeling.