推荐系统 PDF 高清电子书 免费下载 完整版 在线阅读- 高飞网
推荐系统

推荐系统

蒋 凡
推荐
浏览人数:348 在读人数:1
读者:  
   编辑推荐:    通过对本书的学习,读者不仅可以全面系统地了解该领域的基础原理,还能试验如何搭建一套真正的推荐系统。    —— 百度主任架构师、百度技术委员会主席 廖若雪    本书比较全面地介绍了推荐系统涉及的相关知识点,很适合对于推荐系统感兴趣的相关人员作为入门教程,目前能够系统全面介绍相关技术的中文书籍还显得匮乏,相信这本译著对于缓解这种情况大有裨益。    ——新浪微博数据挖掘技术专家 张俊林    本书不但介绍了比较成熟的经典算法,还介绍了最近几年的一些新进展,并辅之以实际应用的案例介绍。希望看到越来越多的朋友加入到推荐引擎的研究和应用中来!    ——百分点信息科技有限公司首席运营官兼技术副总裁 张韶峰    由蒋凡执笔翻译的这本《推荐系统》是一本从基础介绍推荐引擎的难得的好书,给人启迪良多。愿越来越多的互联网爱好者认真阅读本书,走在互联网发展大潮的前沿,成为下一代互联网产品真正需要的人才。    ——人民搜索商务搜索部总监 常兴龙    读者评价:    这是迄今为止市面上所有讲推荐系统的书中最全面、最实用的一本入门指南。如果你是教这门课的大学老师,万万不能错过这本“推荐系统大全”。尤其值得称道的是,这本书广泛涵盖了不同类型的推荐系统,并对它们逐一进行了鞭辟入里、细致入微的剖析。虽然这本书定位于初中级读者,但是我认为即使是经验丰富的专业人员,也会在其中发现新鲜有趣的内容。    ——Robin Burke, 芝加哥德保罗大学教授    本书涵盖了推荐系统领域的全部知识,并为应对未来新的挑战提供了前瞻性建议。书中全面解释了一系列生成推荐的经典算法和方法,概述了源自社交计算和语义网的新手段对推荐系统的作用。希望这本书能够点燃你的激情,释放你的创造力和进取精神,把推荐系统的研究与应用推向新的高度。    ——Joseph A. Konstan, 美国明尼苏达大学教授    内容简介:    本书全面阐述了开发最先进推荐系统的方法,其中呈现了许多经典算法,并讨论了如何衡量推荐系统的有效性。书中内容分为基本概念和最新进展两部分:前者涉及协同推荐、基于内容的推荐、基于知识的推荐、混合推荐方法,推荐系统的解释、评估推荐系统和实例分析;后者包括针对推荐系统的攻击、在线消费决策、推荐系统和下一代互联网以及普适环境中的推荐。此外,本书还包含大量的图、表和示例,有助于读者理解和把握相关知识。    本书适用于从事搜索引擎、推荐算法、数据挖掘等研发工作的专业人员以及对推荐系统感兴趣的读者。

目 录   
    1
第1章 引言  1   
1.1  第一部分:基本概念  2   
1.2  第二部分:最新进展  5   
第一部分 基本概念   
第2章 协同过滤推荐  8   
2.1  基于用户的最近邻推荐  8   
2.2  基于物品的最近邻推荐  11   
2.3  关于评分  14   
2.4  更多基于模型和预处理的方法  16   
2.5  近来实际的方法和系统  25   
2.6  讨论和小结  30   
2.7  书目注释  31   
第3章 基于内容的推荐  32   
3.1  内容表示和相似度  33   
3.2  基于内容相似度检索  36   
3.3  其他文本分类方法  40   
3.4  讨论  47   
3.5  小结  48   
3.6  书目注释  49   
第4章 基于知识的推荐  51   
4.1  介绍  51   
4.2  知识表示法和推理  52   
4.3  与基于约束推荐系统交互  55   
4.4  与基于实例的推荐系统交互  64   
4.5  应用实例  72   
4.6  书目注释  79   
第5章 混合推荐方法  80   
5.1  混合推荐的时机  81   
5.2  整体式混合设计  83   
5.3  并行式混合设计  87   
5.4  流水线混合设计  90   
5.5  讨论和小结  92   
5.6  书目注释  92   
第6章 推荐系统的解释  94   
6.1  介绍  94   
6.2  基于约束的推荐系统中的解释  96   
6.3  基于实例推荐系统的解释  103   
6.4  协同过滤推荐系统的解释  106   
6.5  小结  108   
第7章 评估推荐系统  109   
7.1  介绍  109   
7.2  评估研究的一般特性  110   
7.3  主流推荐方案  115   
7.4  历史数据集评估  116   
7.5  其他评估方案  121   
7.6  小结  123   
7.7  书目注释  124   
第8章 案例分析:移动互联网个性化游戏推荐  125   
8.1  应用与个性化概述  126   
8.2  算法和评级  128   
8.3  评估  128   
8.4  小结与结论  138   
第二部分 最新进展   
第9章 针对协同推荐系统的攻击  140   
9.1  第一个例子  141   
9.2  攻击维度  141   
9.3  攻击类型  142   
9.4  效果评估和对策  145   
9.5  对策  146   
9.6  隐私方面——分布式协同过滤  148   
9.7  讨论  153   
第10章 在线消费决策  155   
10.1  介绍  155   
10.2  环境效应  156   
10.3  首位/新近效应  159   
10.4  其他效应  160   
10.5  个人和社会心理学  161   
10.6  书目注释  167   
第11章 推荐系统和下一代互联网  168   
11.1  基于信任网络的推荐系统  169   
11.2  大众分类法及其他  174   
11.3  本体过滤  185   
11.4  从网络抽取语义  189   
11.5  小结  191   
第12章 普适环境中的推荐  192   
12.1  介绍  192   
12.2  上下文感知推荐  193   
12.3  应用领域  195   
12.4  小结  197   
第13章 总结和展望  198   
13.1  总结  198   
13.2  展望  198   
参考文献  201   
索引  223   
看过本书的人还看过