消息 首页 搜索 举报
  • 这就是推荐系统 核心技术原理与企业应用
21年品牌 40万+商家 超1.5亿件商品

这就是推荐系统 核心技术原理与企业应用

正版新书 新华官方库房直发 可开电子发票

￥ 59.4 5.5折 ￥ 108 全新

库存9件

江苏南京
认证卖家担保交易快速发货售后保障

作者胡澜涛 等

出版社电子工业出版社

ISBN9787121454226

出版时间2023-05

版次1

装帧平装

开本16开

纸张胶版纸

页数264页

字数396千字

定价108元

货号SC:9787121454226

上书时间2024-10-14

问典书店

四年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
全新正版 提供发票
商品描述
作者简介:
"胡澜涛
毕业于清华大学计算机系，快手推荐算法技术总监。曾任字节跳动高级算法工程师，腾讯高级研究员。在推荐系统领域有丰富的实践经验，负责过包括TikTok、快手、微信看一看在内的多个大规模工业级推荐系统的核心研发工作。主要研究方向为推荐系统，发表相关领域的学术论文6篇，拥有专利5项。

李玥亭
毕业于大连理工大学计算机专业。曾先后就职于百度、小米等公司，参与百度凤巢广告CTR预估模型的研发，负责小米音乐、阅读、应用商店、游戏中心等多个产品推荐服务从0到1的搭建，在搜索、广告、推荐领域有丰富的实战经验。目前转战智能家居领域，探索智能感知、智能决策等AI技术在新场景的落地。

崔光范
毕业于中国科学院软件研究所，爱奇艺助理研究员，负责短视频信息流推荐业务。曾任小米推荐算法工程师，负责应用商店、游戏中心、有品等业务的推荐工作，从零构建了小米垂域业务的深度推荐引擎。主要研究方向是推荐系统、计算广告、搜索等，发表过多篇论文和专利。

易可欣
毕业于北京大学，先后在爱奇艺、快手担任推荐算法工程师，主要研究方向为召回策略与模型、数据挖掘、样本优化等。"
主编推荐:
"多个大规模工业级推荐系统的核心研发经验总结
囊括推荐系统的基础框架、核心技术和前沿发展
亮点一：接近来自于工业化实践，内容按照实际推荐系统的模块划分：内容理解、用户画像、召回、排序、重排等，其他书没有这样写的。
亮点二：内容全面系统但精炼，全书是作者根据实践总结，没有大面积理论讲解，只讲基础框架、核心技术和前沿发展。           
亮点三：囊括当下热门前沿技术，包括强化学习、因果推断、端上智能，以及ChatGPT时代的推荐系统未来发展描述，对当下的技术人员很有指导意义。
亮点四：四位作者均是来自一线大厂的工程师，长期在工业界从事推荐算法的相关应用研究，本书的内容融入了作者对推荐算法的思考、体会及实战经验。
亮点五：此书不仅具有全局视野，体系完善，而且生动翔实，细节拉满。不管你是小白还是推荐系统的从业者，阅读此书都会让你受益匪浅。"
媒体评论:
"推荐系统具有广泛的应用背景，作者基于自身在该领域多年从事研发的经验，将推荐系统整体框架作为切入点，全面而系统地介绍了与推荐系统相关的多项技术，包括内容理解、用户画像、排序、重排等。此外，本书还通过实际问题给出多个应用案例，使读者可以更好地理解和应用推荐系统技术。无论是相关领域的从业人员，还是高校学生，都可以从本书获益匪浅。
清华大学教授 | 马少平

从衣食住行到娱乐消费，推荐系统已经深度融入我们的日常生活，成为AI技术落地应用的典型场景。推荐系统不仅要解决多模态内容理解的语义鸿沟和用户兴趣偏好的意图鸿沟，还需要克服亿级用户与推荐内容下的工程开发与部署难题。本书从工业界的视角系统地介绍了推荐系统的核心技术和工程实现方案，每章的内容循序渐进，深度贴合实际应用，将工业界推荐系统的基础框架、核心技术和前沿发展呈现在读者面前。互联网服务领域的从业人员和高等院校相关专业的本科生、研究生都将从本书中受益。
清华大学教授 | 孙立峰

近年来，推荐系统已经在各种在线平台中得到广泛应用，成为用户获取信息、平台满足用户需求的主要途径之一。本书系统地梳理了推荐系统领域的相关重要技术，从多个方面对推荐算法的相关概念、模型及算法进行了详细介绍，涵盖了近期新的前沿技术。特别是，作者长期在工业界从事推荐算法的相关应用研究，本书的内容融入了作者对推荐算法的思考、体会及实战经验，相信相关技术人员能从本书中受益。
中国人民大学教授 | 赵鑫

在如今信息爆炸和碎片化的时代，推荐系统是解决信息过载和提升信息获取效率的重要技术。本书非常全面地梳理了推荐系统构建所要面临的核心问题，囊括了学术界和工业界主要的技术进展和实际应用经验。本书针对视频场景的推荐系统有精彩的介绍，对于文本、语音、图片和视频等多模态信息如何理解，以及应用到推荐系统，有详细的剖析和深入浅出的阐述。相信无论是入门的新手，还是资
...
内容简介:
推荐系统作为近年来非常热门的AI技术落地场景，已广泛应用于各行业的互联网应用，从衣食住行到娱乐消费，以及无处不在的广告，背后都依赖推荐系统的决策。本书贴合工业级推荐系统，以推荐系统的整体技术框架为切入点，深入剖析推荐系统中的内容理解、用户画像、召回、排序、重排等核心模块，介绍每个模块的核心技术和业界应用，并展开介绍了推荐冷启动、推荐偏置与消偏等常见问题和解决方案。此外，还对当前推荐系统领域的热门前沿技术进行了介绍，包括强化学习、因果推断、端上智能等。
目录:
第1章 初识推荐系统 1

1.1 推荐系统大时代 1

1.1.1 推荐系统的定义 2

1.1.2 推荐系统的价值 3

1.1.3 推荐系统的天时地利 4

1.1.4 推荐系统架构概览 5

1.2 推荐系统的核心模块 7

1.2.1 内容理解：理解和刻画推荐内容 7

1.2.2 用户画像：理解和刻画用户 7

1.2.3 召回：为用户初筛内容 8

1.2.4 排序：为用户精选内容 9

1.2.5 重排：从业务角度进行内容调整 10

1.2.6 推荐系统质量评估体系 11

总结 11

第2章 多模态时代的内容理解 13

2.1 内容标签体系建设 14

2.1.1 标签体系的作用 14

2.1.2 标签体系设计和建设 14

2.1.3 标签提取和生成 16

2.2 文本内容理解 18

2.2.1 文本分类 18

2.2.2 文本标签提取 21

2.2.3 文本聚类 22

2.2.4 文本Embedding 22

2.2.5 知识图谱 26

2.3 多模态内容理解 28

2.3.1 图像分类 28

2.3.2 视频分类 30

2.3.3 视频多模态内容Embedding 31

2.4 内容理解在推荐系统中的应用 32

总结 33

第3章 比你更了解自己的用户画像 34

3.1 初识用户画像 34

3.1.1 什么是用户画像 35

3.1.2 用户画像的作用 35

3.1.
...

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

全新正版 提供发票
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP