推荐系统
全新正版 极速发货
￥ 47.89 4.8折 ￥ 99 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者陈开江
出版社电子工业出版社
ISBN9787121354724
出版时间2019-10
装帧平装
开本16开
定价99元
货号30749334
上书时间2024-06-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
陈开江，偶以“刑无刀”的名义“出没江湖”，初于北京理工大学学习自然语言处理，先后任职于新浪微博、车语传媒、贝壳找房等公司，做自然语言处理及推荐系统开发等工作，也曾有两三年与推荐系统有关的创业经验。有译著《机器学习：实用案例解析》，在公众号ResysChina上发表过推荐系统系列文章，在极客时间开设有《推荐系统36式》付费专栏。
目录
1概念与思维
1.1 该要推荐系统吗
1.1.1 什么是推荐系统
1.1.2 是否需要推荐系统
1.1.3 小结
1.2 问题模式有哪些
1.2.1 预测问题模式
1.2.2 几个常见顽疾
1.2.3 小结
1.3 要具有什么样的思维模式
1.3.1 关键元素
1.3.2 思维模式
1.3.3 小结
2产品漫谈
2.1 推荐系统的价值和成本
2.1.1 价值
2.1.2 成本
2.1.3 小结
2.2 信息流简史
2.2.1 前世今生
2.2.2 配套设施
2.2.3 小结
3内容推荐
3.1 用户画像简介
3.1.1 什么是用户画像
3.1.2 关键因素
3.1.3 构建方法
3.1.4 小结
3.2 标签挖掘技术
3.2.1 挖掘标签的物料
3.2.2 标签库该有的样子
3.2.3 标签挖掘方法
3.2.4 小结
3.3 基于内容的推荐
3.3.1 为什么要做好内容推荐
3.3.2 基于内容的推荐系统
3.3.3 小结
4近邻推荐
4.1 基于用户的协同过滤算法
4.1.1 协同过滤算法
4.1.2 基于用户的协同过滤算法原理
4.1.3 应用场景
4.1.4 小结
4.2 基于物品的协同过滤算法
4.2.1 常见的应用场景
4.2.2 算法原理
4.2.3 小结
4.3 相似度算法一览
4.3.1 相似度的本质
……
5矩阵分解
6模型融合
7探索和利用
8深度学习
9其他算法
10架构总览
11关键模块
12效果保证
13团队与个人
内容摘要
本书是一本关于推荐系统产品如何落地的综合图书，内容覆盖产品、算法、工程、团队和个人成长。
书中不仅梳理了从事推荐系统工作需要具备的思维模式和需要了解的问题类型，还从产品和商业角度分析了当前最火爆的信息流内在逻辑。本书用非常通俗易懂的方式介绍了推荐系统的经典算法原理，并有相应的配套实践代码，以帮助初入门的算法工程师快速上手。除了推荐算法，书中还包含一些不属于推荐算法但是很常见的实用算法。除算法原理之外，还有典型的工程架构描述，以及架构内部的具体模块细节描述。这些都是在设计推荐系统的过程中不可或缺而又不容易在公开场合获得的内容。此外，本书还涉及一部分推荐系统安全相关的知识，以及团队搭建经验和个人成长心得。
本书适合以推荐系统为代表的效果类产品从业者阅读，包括决策者，以及产品、算法、架构、安全、
运营人员。这是一本可以架起不同工种之间友好沟通桥梁的书。
精彩内容
2018年“双11”，阿里巴巴总成交额达2135亿元，这是一个非常庞大的数字。其中，基于个性化的推荐方式所带来的流量已经超过了搜索等传统方式，这在过去是难以想象的。它代表了一个非常重大的转折。PC互联网是搜索的时代，移动互联网是推荐的时代。除了淘宝，今日头条也依靠Feed流加推荐系统，开创了移动内容分发产业的新格局。PC时代推荐引擎还只是互联网的配角，如今它所创造的价值已经不可同日而语。推荐时代，实实在在地到来了。
现如今，无论是大型还是小型的互联网企业，都已经开始不遗余力地投入到推荐系统的研发中。但是，推荐系统这种数据贪婪型应用，并不是靠一些产品直觉和灵感就可以一蹴而就的，它不仅需要积累数据、塑造思维，还需要积累技术、算法，并辅以产品运营，才可能开花结果，可以说是一套综合打法，而不是单一工种。这是一个事实，也是一个门槛，这个门槛把许多人和公司拦在了门外。于是，促进推荐系统从业者和爱好者互相交流、学习进步，是我一直以来愿意参与和投入的事业。
差不多十年之前，我和项亮发起了微信公众号ResysChina，为业内关注推荐系统的朋友们提供了一个交流讨论的社区。ResysChina帮助一些从业者打开了推荐系统的大门，输出了一批高质量的内容资料，也聚集了不少优秀的作者，开江就是其中之一。大概在2016年，开江开始在ResysChina上发布与Feed流相关的系列内容，收获读者好评无数，后来又持续贡献了大量的优质内容。他的写作风格浅显易懂，语言风趣幽默。这本书的部分内容是之前他在ResysChina上发布过的，但大部分是新撰写的。相比之前的文章，书中内容覆盖面更广、更加系统，也增加了大量的实例和代码。这本书从思维方法到产品逻辑，从算法原理到工程实践，从团队到个人，将推荐系统所涉及的内容娓娓道来。
展望未来，我认为推荐系统技术会进一步演化，它将更加即时、更加个性化，推荐系统将演化成为一种系统基础能力，融于每一次用户互动。它知道你是谁，了解你的喜好，为你的每一次选择提供帮助，并且能对你的需求做出预测。美好生活，善用科技，希望每一个热爱推荐系统的朋友都能在这个智能时代留下自己的痕迹。
谷文栋ResysChina发起人
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价