推荐系统：产品与算法解析
全新正版 极速发货
￥ 38.02 4.8折 ￥ 79.8 全新
库存20件
广东广州
认证卖家担保交易快速发货售后保障
作者王超
出版社人民邮电
ISBN9787115635433
出版时间2024-04
装帧其他
开本其他
定价79.8元
货号1203236843
上书时间2024-06-09
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
王超，北京大学硕士，多年来专注于推荐系统和计算广告等领域的研究和实践。曾任百度杰出架构师，并与刘鹏合著《计算广告》一书。
目录
第 一部分 推荐产品的破局之道
第 1章 产品创新引领的供给侧变革3
1.1 媒介创新比内容更重要3
1.1.1 媒介变迁的趋势展望3
1.1.2 推荐产品的演化方向6
1.2 把控上游的创作工具9
1.2.1 创作工具的战略价值9
1.2.2 策采编发的全链路重塑11
1.3 激励相容的生态机制创新13
1.3.1 从广告拍卖机制说起13
1.3.2 推荐中的生态机制设计15
第 2章 技术创新引领的供给侧变革18
2.1 殊途的CV与NLP范式18
2.1.1 从人工特征到CNN结构19
2.1.2 从专家系统到RNN结构21
2.2 走向融合的CV与NLP范式25
2.2.1 从注意力机制到Transformer25
2.2.2 只需Transformer的内容理解30
2.2.3 自回归、生成对抗和扩散范式下的内容生成33
2.2.4 大模型时代的推荐产业变革39
第3章 从产品视角看需求侧增长43
3.1 从AARRR模型看用户增长43
3.1.1 获客渠道的选择44
3.1.2 激活的定义和误区46
3.1.3 从留存曲线看产品优化47
3.1.4 产品的商业化变现49
3.2 从网络效应视角看用户增长50
3.2.1 从网络效应看推荐产品演进50
3.2.2 供需匹配的破局策略53
3.2.3 理解网络效应时的常见误区55
第4章 E&E视角下的新用户推荐58
4.1 单状态假设下的Bandit策略58
4.1.1 MAB问题的定义与评价58
4.1.2 主流Bandit策略介绍60
4.2 MDP假设下的模型RL方法63
4.2.1 从通盘决策的AlphaGo说起63
4.2.2 从模型RL视角看新用户推荐67
4.2.3 基于模型RL的实践思路68
第5章 元学习视角下的新用户推荐72
5.1 快速自适应参数的范式72
5.1.1 模型无关的MAML方法72
5.1.2 MAML方法的推荐实践74
5.2 基于比较归纳的范式77
5.2.1 从度量学习到对比学习77
5.2.2 比较归纳方法的推荐实践80
5.3 仿生记忆机制的范式82
5.3.1 从神经图灵机到大模型82
5.3.2 仿生记忆方法的推荐实践86
第6章 A/B测试是增长的银弹吗88
6.1 A/B测试的原理和优势88
6.1.1 A/B测试的原理88
6.1.2 A/B测试的优势91
6.2 滥用A/B测试时的增长困境92
6.2.1 难以优化留存等长期目标92
6.2.2 难以反向优化出新市场95
6.2.3 难以做出真正的产品创新97
第二部分 信息推荐
第7章 瞬息万变的新闻推荐103
7.1 曾统治硅谷的雅虎103
7.1.1 雅虎门户的发展史103
7.1.2 雅虎新闻推荐的兴衰105
7.2 针对突发新闻的实时推荐策略107
7.2.1 非稳态分布下的E&E策略107
7.2.2 快慢结合的模型更新范式109
7.2.3 让特征动起来的树模型111
第8章 获取信息的资讯推荐114
8.1 屡失良机的谷歌推荐114
8.1.1 对推荐产品崛起的迟钝114
8.1.2 困于搜索思维的推荐生态117
8.2 相关性需求下的信息检索技术120
8.2.1 语义匹配的主流技术120
8.2.2 近无损全库遍历的ANN检索123
8.3 从峰终定律看排序策略设计125
8.3.1 不同需求模式下的体验设计125
8.3.2 明确需求下的NDCG优化127
8.3.3 多元需求下的多样性优化131
第三部分 社交和社区推荐
第9章 永远年轻的社交产品137
9.1 社交推荐中优化的关键137
9.1.1 强化社交效用时的原则137
9.1.2 优化内容效用的路径选择139
9.2 从Facebook看社交效用优化140
9.2.1 更高效的社交资本积累140
9.2.2 更高效的社交关系维系143
9.3 从交友产品看双向推荐问题144
9.3.1 满意即流失的婚恋场景144
9.3.2 促成线上双向匹配的Tinder145
9.3.3 促成线下稳定婚配的Hinge147
9.4 社交场景中的推荐策略148
9.4.1 社交媒体中的推荐策略148
9.4.2 稳定婚配假设下的GS算法149
9.4.3 传统推荐的双向匹配改造151
第 10章 春耕秋收的社区产品154
10.1 社区产品的培育原则154
10.1.1 以人为核心的原创内容154
10.1.2 强化关系的稳定建立156
10.1.3 引导角色的良性分化158
10.2 从媒介侧创新的Instagram161
10.2.1 从文到图的媒介变革161
10.2.2 恰到好处的创作工具162
10.2.3 从创作工具向社区转型164
10.3 无为而治的Reddit165
10.3.1 显式组织的社区结构165
10.3.2 简单健壮的投票机制167
第 11章 模拟社交的协同过滤169
11.1 推荐系统的起源169
11.1.1 更相信人的智慧的Tapestry169
11.1.2 仿真协同关系的GroupLens170
11.2 对协同关系的仿真建模172
11.2.1 从复杂网络看推荐系统172
11.2.2 对局部近邻关系的仿真177
11.2.3 对全局拓扑结构的仿真179
11.3 基于仿真关系的协同推荐183
11.3.1 协同过滤的核心优势183
11.3.2 应用协同关系的在线环节185
第四部分 视频推荐
第 12章 降低决策成本的电影推荐189
12.1 电影推荐的传奇奈飞189
12.1.1 奈飞对百视达的逆袭189
12.1.2 奈飞对自我的不断革新191
12.2 优化线下体验的评分预测193
12.2.1 评分预测产品的兴衰193
12.2.2 评分预测算法的演进趋势195
第 13章 和电视竞争的短视频推荐200
13.1 激励相容的YouTube生态机制200
13.1.1 多方受益的Content ID机制201
13.1.2 稳固自建生态的YPP机制202
13.1.3 革新广告效率的TrueView机制203
13.2 直面海量候选的深度学习召回204
13.2.1 召回的里程碑：YouTubeDNN205
13.2.2 索引与模型联训的复杂模型207
13.2.3 提升模型鲁棒性的样本设计210
13.3 优化长期时长收益的强化学习212
13.3.1 YouTube优化目标的变迁史213
13.3.2 价值方法的原理和实践216
13.3.3 策略方法的原理和实践220
第 14章 以快打慢的微视频推荐225
14.1 以音乐为内核的抖音225
14.1.1 放弃内容时长的反向创新225
14.1.2 从行为心理学看产品设计227
14.1.3 以音轨为模板的爆款复制229
14.2 不求最优化，但求多目标230
14.2.1 道法自然的多目标融合231
14.2.2 触类旁通的多任务学习234
第五部分 电商推荐
第 15章 历久弥新的电商推荐产品241
15.1 从阿里看货架电商的演进241
15.1.1 逆袭易趣的关键胜负手241
15.1.2 高筑C端流量的护城河242
15.2 从媒介侧发起变革的新电商245
15.2.1 用商一体的内容型电商245
15.2.2 构建信任的直播热媒介247
15.2.3 撬动传播的轻品类电商249
第 16章 真金白银的电商推荐技术252
16.1 量化即时回报的优化思路252
16.1.1 起源于广告的点击率预估252
16.1.2 正例稀疏的转化率预估260
16.1.3 和NLP同源的序列信号建模264
16.2 看重长期回报的优化思路270
16.2.1 GMV的优化路径拆解271
16.2.2 新兴电商的差异化策略273
内容摘要
本书以媒介变迁为整体脉络，通过几类推荐产品的发展趋势来探讨推荐产品创新的核心驱动力，以及由具体产品特性引发的技术变革。
全书内容分为5部分。第一部分从宏观视角探讨推荐产品从0到1进行创新的产品思路和技术思路；第二部分介绍革新传统纸质媒介的新闻推荐和资讯推荐，包括关键算法设计和产品设计；第三部分介绍构建线上社交网络的社交和社区推荐，以及如何通过协同过滤算法模拟社交网络；第四部分从产品、生态和算法设计的角度，介绍革新传统影视行业的视频推荐；第五部分以阿里推荐产品及其新兴的竞争产品为例，介绍革新传统货架电商的商品推荐。
— 没有更多了 —
以下为对购买帮助不大的评价