尋找一些開源的資料探勘軟體研究分析
也可以參考如《資料探勘：實用機器學習技術及Java實現》


推薦系統， 垃圾郵件過濾，文字挖掘，情感分析，廣告點選率預測


A sponsored advertisement：
百度
淘寶
以及各家搜尋公司
B behavior based advertisement：
騰訊
C 站內商品推薦：
淘寶
噹噹
C 興趣推薦：
豆瓣
優酷
D 關係挖掘
人人
騰訊


商品推薦的話：亞馬遜吧。你查查就知道它的系統有多牛了。引用浪潮之顛作者吳軍的話：語音識別在過去的15年，錯誤率下降了一半，其中70%的功勞來自於資料量的增加，30%是方法的改進。 雖然不完全類似，但還是可以推出，去有資料的地方，才是研究資料探勘的沃土。大型的網際網路企業的相對線下的調查公司，資料採集的成本要低很多


用排除法
1、公司大環境不好的不去，面對一大堆資料和演算法都夠頭痛了，沒空搭理那些是非傾軋
2、首先資料量稀疏，使用者量級小的專案不去，因為基礎資料直接決定了CTR轉化率
3、沒將個性化推薦提至戰略級別的公司不去，不受重視的專案永遠都存在資源匱乏的問題，巧婦難為無米之炊
4、資料探勘、推薦引擎優化無法直接帶來商業收入或流量轉化的不去，不然會導致你長期沒有存在


機器學習和資料探勘目前在國內應用程度都比較淺，先行者也沒有走遠。如果自己定位於修煉者，應該選擇一個好的環境，首先是公司的認識到位，然後是團隊能夠開放，這方面阿里系做得不錯。如果自己定位在成名立腕，需要考慮平臺能夠支撐用資料進行產品創新，這方面百度和騰訊更有機會。其他公司的資料非海量，而且發展前景有限。