《Recommender System An Introduction》，第九章，针对协同推荐系统的攻击
《Recommender System An Introduction》，第十章，在线消费决策
《Recommender System An Introduction》，第十一章，推荐系统和下一代互联网
《Recommender System An Introduction》，第十二章，普适环境中的推荐
（1）使用基于模型的技术和额外的信息
（2）提高插入成本
（3）自动探测攻击
主流推荐系统任务，消费者在开始决策之前并不能清楚地确认并说明他们的偏好，决策是一个构建偏好的过程，而不是抽取偏好的过程。为了提高推荐效果，需要在推荐系统的技术设计中整合关于人类决策过程的深度指示。
这一章节，分析了决策、认知、个性和社会心理学的相关理论，以及它们对偏好构建过程的影响。结论认为：认知和决策心理学，对推荐的结果有着重要影响，但并没有在现有的推荐系统中被明确考虑；个性和社会心理学，对构建推荐系统起了很大作用。
来自认知和决策心理学的理论：
| 理论 | 描述 |
| 环境效应 | 物品集合中其他不相关（劣等）的物品会显著影响选择行为 |
| 首位/新近效应 | 列表开始和末尾的的物品明显比列表中部的物品更经常被人们分析 |
| 框架效应 | 不同候选决策的展现方式会影响最终的决策 |
| 启动效应 | 如果更容易获取具体的决策属性，那么影响顾客对物品的评估 |
| 默认效应 | 预设选项使得决策过程有偏 |
来自个性和社会心理学的理论：
| 理论 | 描述 |
| 内部与外部LOC | 受外界影响的用户需要更多引导；受内在控制的用户想要主动、有选择地寻找其他信息 |
| 关闭的需要 | 尽可能快地描述决策中的个人追求 |
| 最大化者与满足者 | 最大化者想要找到最优解；满足者寻找能满足基本需求的解决方案 |
| 从众 | 一个人的行为、态度和信念会受到其他人的影响 |
| 信任 | 一个人的行为意图与购买意愿这样的因素有关 |
| 情感 | 人的心理状态受到重要事件的触动 |
| 说服 | 改变态度或行为 |
Web2.0和语义网给推荐系统领域带来了各种机遇、最新方法和具体实现。
随着网络的不断发展，我们能够利用额外的信息向用户提供更好的推荐服务，比如：
（1）基于信任网络的推荐系统
（2）大众分类法
（3）本体过滤
（4）从网络抽取语义
移到设备发展迅速，移到应用，或者更为广义的普适应用，对不同的个性化和推荐技术来说，前景广阔。
应用必须感知上下文，因为它们总是和活动（比如行走、驾驶或通信）并存
这是与假设用户会全神贯注的传统网络应用的主要区别。
推荐系统植根于不同的研究领域，比如信息检索、信息过滤和文本分类，采用了不同领域的方法，比如机器学习、数据挖掘和基于知识的系统。
《推荐系统》这本书，是一本导读，向读者提供有关这个领域的概述和简介。
在“最新进展”这一部分，介绍了攻击和应对攻击的对策、在线消费决策的理论、新一代互联网技术发展带来的更多可用信息、移动等普适环境的推荐应用等。
《推荐系统》--最新进展：比如攻击、在线消费决策、普适环境等
原文地址：http://blog.csdn.net/puma_dong/article/details/42123487
