📕书籍信息
- 书名:推荐系统实践
- 作者:项亮
- 豆瓣评分:⭐8.1
- 出版社:人民邮电出版社
- isbn:9787115281586
- 出版日期:2012-6-1
- 价格:49.00元
- 豆瓣:推荐系统实践
🌵内容简介
【编辑推荐】:
内容简介:
随着信息技术和互联网的发展,人们逐渐从信息匮乏的时代走入了信息过载(information overload)的时代 。在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战:对于信息消费者,从大量信息中找到自己感兴趣的信息是一件非常困难的事情;对于信息生产者,让自己生产的信息脱颖而出,受到广大用户的关注,也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己有价值的信息,另一方面让信息能够展现在对它感兴趣的用户面前,从而实现信息消费者和信息生产者的双赢。
📣听过的人说…
- 👻: 像我这种入门级别的看完还是能理清很多之前见过,但没有很清晰见解的人,不过还是需要给别人讲 PPT 和讨论,才能发现自己是否真的理解了。
- 🌞: 看完之后从书中拼凑出自己想要的推荐系统架构还是有点困难(其实主要原因是自身产品就是一个无比庞杂的架构)。另外我发现推荐系统的书都很少讲业务逻辑和产品形态,目前只有这本稍微涉及一些(已然比较out了)。作为pm还是多看看一些slides吧。
- 🌞: 之前看到有人用贝叶斯做,结合来看。
📑书籍章节
- 目 录
- 第1章 好的推荐系统 1
- 1.1 什么是推荐系统 1
- 1.2 个性化推荐系统的应用 4
- 1.2.1 电子商务 4
- 1.2.2 电影和视频网站 8
- 1.2.3 个性化音乐网络电台 10
- 1.2.4 社交网络 12
- 1.2.5 个性化阅读 15
- 1.2.6 基于位置的服务 16
- 1.2.7 个性化邮件 17
- 1.2.8 个性化广告 18
- 1.3 推荐系统评测 19
- 1.3.1 推荐系统实验方法 20
- 1.3.2 评测指标 23
- 1.3.3 评测维度 34
- 第2章 利用用户行为数据 35
- 2.1 用户行为数据简介 36
- 2.2 用户行为分析 39
- 2.2.1 用户活跃度和物品流行度的分布 39
- 2.2.2 用户活跃度和物品流行度的关系 41
- 2.3 实验设计和算法评测 41
- 2.3.1 数据集 42
- 2.3.2 实验设计 42
- 2.3.3 评测指标 42
- 2.4 基于邻域的算法 44
- 2.4.1 基于用户的协同过滤算法 44
- 2.4.2 基于物品的协同过滤算法 51
- 2.4.3 UserCF和ItemCF的综合比较 59
- 2.5 隐语义模型 64
- 2.5.1 基础算法 64
- 2.5.2 基于LFM的实际系统的例子 70
- 2.5.3 LFM和基于邻域的方法的比较 72
- 2.6 基于图的模型 73
- 2.6.1 用户行为数据的二分图表示 73
- 2.6.2 基于图的推荐算法 73
- 第3章 推荐系统冷启动问题 78
- 3.1 冷启动问题简介 78
- 3.2 利用用户注册信息 79
- 3.3 选择合适的物品启动用户的兴趣 85
- 3.4 利用物品的内容信息 89
- 3.5 发挥专家的作用 94
- 第4章 利用用户标签数据 96
- 4.1 UGC标签系统的代表应用 97
- 4.1.1 Delicious 97
- 4.1.2 CiteULike 98
- 4.1.3 Last.fm 98
- 4.1.4 豆瓣 99
- 4.1.5 Hulu 99
- 4.2 标签系统中的推荐问题 100
- 4.2.1 用户为什么进行标注 100
- 4.2.2 用户如何打标签 101
- 4.2.3 用户打什么样的标签 102
- 4.3 基于标签的推荐系统 103
- 4.3.1 实验设置 104
- 4.3.2 一个最简单的算法 105
- 4.3.3 算法的改进 107
- 4.3.4 基于图的推荐算法 110
- 4.3.5 基于标签的推荐解释 112
- 4.4 给用户推荐标签 115
- 4.4.1 为什么要给用户推荐标签 115
- 4.4.2 如何给用户推荐标签 115
- 4.4.3 实验设置 116
- 4.4.4 基于图的标签推荐算法 119
- 4.5 扩展阅读 119
- 第5章 利用上下文信息 121
- 5.1 时间上下文信息 122
- 5.1.1 时间效应简介 122
- 5.1.2 时间效应举例 123
- 5.1.3 系统时间特性的分析 125
- 5.1.4 推荐系统的实时性 127
- 5.1.5 推荐算法的时间多样性 128
- 5.1.6 时间上下文推荐算法 130
- 5.1.7 时间段图模型 134
- 5.1.8 离线实验 136
- 5.2 地点上下文信息 139
- 5.3 扩展阅读 143
- 第6章 利用社交网络数据 144
- 6.1 获取社交网络数据的途径 144
- 6.1.1 电子邮件 145
- 6.1.2 用户注册信息 146
- 6.1.3 用户的位置数据 146
- 6.1.4 论坛和讨论组 146
- 6.1.5 即时聊天工具 147
- 6.1.6 社交网站 147
- 6.2 社交网络数据简介 148社交网络数据中的长尾分布 149
- 6.3 基于社交网络的推荐 150
- 6.3.1 基于邻域的社会化推荐算法 151
- 6.3.2 基于图的社会化推荐算法 152
- 6.3.3 实际系统中的社会化推荐算法 153
- 6.3.4 社会化推荐系统和协同过滤推荐系统 155
- 6.3.5 信息流推荐 156
- 6.4 给用户推荐好友 159
- 6.4.1 基于内容的匹配 161
- 6.4.2 基于共同兴趣的好友推荐 161
- 6.4.3 基于社交网络图的好友推荐 161
- 6.4.4 基于用户调查的好友推荐算法对比 164
- 6.5 扩展阅读 165
- 第7章 推荐系统实例 166
- 7.1 外围架构 166
- 7.2 推荐系统架构 167
- 7.3 推荐引擎的架构 171
- 7.3.1 生成用户特征向量 172
- 7.3.2 特征?物品相关推荐 173
- 7.3.3 过滤模块 174
- 7.3.4 排名模块 174
- 7.4 扩展阅读 178
- 第8章 评分预测问题 179
- 8.1 离线实验方法 180
- 8.2 评分预测算法 180
- 8.2.1 平均值 180
- 8.2.2 基于邻域的方法 184
- 8.2.3 隐语义模型与矩阵分解模型 186
- 8.2.4 加入时间信息 192
- 8.2.5 模型融合 193
- 8.2.6 Netflix Prize的相关实验结果 195
- 后记 196
⏏️必读理由
**引人注目的标题:**
解锁信息过载时代的智慧:《推荐系统实践》**详细具体:**
《推荐系统实践》由项亮撰写,深入探讨了推荐系统在信息过载时代中的重要性和应用。作者以清晰易懂的语言,结合丰富的案例和实践经验,系统地介绍了推荐系统的核心原理、算法和实现方法。书中涵盖了推荐系统的基础知识,包括用户行为数据的收集与处理、协同过滤、基于内容的推荐、深度学习在推荐系统中的应用等方面。特别值得一提的是,书中不仅介绍了理论知识,还通过实例详细说明了如何在实际项目中应用这些技术,使读者能够更好地理解和应用所学知识。**关联读者需求:**
对于信息消费者来说,随着互联网信息的爆炸式增长,如何从海量信息中找到符合个人兴趣的内容成为一项挑战。《推荐系统实践》为读者提供了解决这一难题的方法和工具,帮助他们更高效地获取有价值的信息。同时,对于信息生产者而言,书中介绍的推荐系统原理和技术可帮助他们提升信息传播的效率和精准度,从而更好地吸引目标受众。**类似推荐:**
如果你对推荐系统和信息科学感兴趣,你可能也会喜欢以下这些书籍:
1. 《深度学习推荐系统》 – 作者:王喆,介绍了如何利用深度学习技术构建更强大的推荐系统,探索了深度学习在推荐领域的最新应用。
2. 《推荐系统实践指南》 – 作者:斯特凡·洛赫曼,提供了一系列实用的推荐系统案例和最佳实践,帮助读者更好地理解和应用推荐系统技术。
3. 《社交网络与推荐系统》 – 作者:夏楠,探讨了社交网络与推荐系统之间的关系,介绍了基于社交网络的个性化推荐方法和算法。
评论(0)