3月6日，由淘宝网与ResysChina联合组办的2011推荐系统论坛在北京成功举办，CSDN受邀跟踪并全程报道了本次活动，超过200位领域内的爱好者来到现场，Netflix Prize冠军队成员Yehuda Koren、淘宝网数据产品部技术经理贾超、百度科学家张栋、淘宝网技术研发部广告算法组/一组经理项碧波(游龙)、前Google研究员王益、Hulu推荐团队负责人郑华为与会者带来了精彩演讲。

　　Netflix Prize冠军队成员Yehuda Koren

　　Yehuda Koren在《Web-Scale Recommendation Systems》的主题演讲中，谈到了以下七个话题。

　　Yehuda Koren谈了Netflix Prize中的常见思路与Model，不仅有非常专业的算法和模型探讨，还包括一些有意思的内容和观点：

　　在Netflix数据中，可以Model的，Bias占33%，个性化因素占10%，剩下的为不可解释因素。也即是模型无法解释的方差占了50%以上，测量误差和表述误差和自我选择等系统误差占30%以上，模型能解释的行为很少;

　　more user input > better algorithm，好的充分的数据比好的算法更重要;

　　用户的long-term效应实际上很难被捕获;

　　multi-channel融合推荐的两个问题：如何融合，如何加权;

淘宝网数据产品部技术经理 贾超 发表了主题为《淘宝数据力量》的演讲

百度科学家 张栋

　　百度科学家 张栋在演讲中比较了当前流行的推荐算法各自的特点，以及谈到了相关的优化技术：EM、gibbs sampling、gradient descent。

为什么推荐很难，张栋列了八个方面

 　　张栋认为一个成功的resys推荐系统的影响权重：UI/UE 40%，data:30%, knowledge: 20, algorithm:10%。

algorithm:10%?? 算法只占推荐系统权重的10%，这引起了与会者的热议

　　此外，张栋觉得一个好的算法无法打败无数combine起来的算法。

 淘宝网 项碧波(游龙)《推荐系统在电子商务环境中的应用》

 前Google研究员王益《Recommendation Using Large Scale Click Through Data 》

　　随后，Hulu推荐团队负责人 郑华 在《Personalization in Hulu》谈到，Hulu算法团队有两大部分工作：视频推荐与广告投放。他认为商业上的因素对推荐策略有很重要的影响。Hulu的广告投放比较人性化，用户可以自己选择看哪种类型的广告。此外，在user feedback中，Hulu可用的显式的打分信息不多，只能更多的使用隐式的浏览信息。(子曰)

　　注：部分内容源自ResysChina，关于本次大会的更详实报道，请关注CSDN软件研发频道，稍晚些时候演讲嘉宾的PPT将会提供下载。此外，全球最大的中文IT社区CSDN&《程序员》杂志总编刘江对Yehuda Koren进行了独家专访，相关内容请关注CSDN和《程序员》杂志。