一、目录组织图（单击图放大）
二、补充笔记
1、情境，简言之，可以理解为用户的一些额外信息，比如位置、时间、天气、是否有同伴陪同等。我认为是能够影响用户决策的一些额外的信息。
2、推荐问题可以归纳为预测一个用户未接触的物品的评分，这个预测通常是基于该用户对其他物品的评分、其他用户对该物品的评分以及一些其他可以利用的信息。
3、显式获得，直接询问用户；隐式获得，例如通过手机获得位置信息；推断获得，通过统计和数据挖掘的方法获得信息。
4、情境预过滤是对原始数据的选择和重构，但是一定要注意，如果过滤的情境的条件苛刻，容易导致数据稀疏。过滤的情境的条件宽松，那么没有针对性。
5、情境后过滤，那么过滤掉无关的推荐或调整列表里推荐的排名。
6、组合预过滤器，首先，手动设定数据块大小阈值，情境预过滤后，如果数据块的大小过小，进行泛化搜索更大的数据块。其次，根据数据的预测性能，如果预测的性能小于没有经过情境过滤的数据，那么淘汰掉这些预过滤器，最后如果再相同的性能下，更加泛化的预过滤器的数据将会留下，其余淘汰。