智能搜索和推荐系统(原理算法与应用)/智能系统与技术丛书
全新正版 极速发货
￥ 55.94 7.1折 ￥ 79 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者刘宇[等]著
出版社机械工业出版社
ISBN9787111670674
出版时间2021-01
装帧平装
开本16开
定价79元
货号31072906
上书时间2024-07-04
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
目录
推荐序一<br/>推荐序二<br/>前言<br/>第一部分 搜索和推荐系统的基础<br/>第1章 概率统计与应用数学基础知识2<br/>1.1 概率论基础2<br/>1.1.1 概率定义2<br/>1.1.2 随机变量5<br/>1.1.3 基础的概率分布5<br/>1.1.4 期望、方差、标准差、协方差8<br/>1.2 线性代数基础10<br/>1.2.1 矩阵10<br/>1.2.2 向量10<br/>1.2.3 张量11<br/>1.2.4 特征向量和特征值12<br/>1.2.5 奇异值分解12<br/>1.3 机器学习基础13<br/>1.3.1 导数13<br/>1.3.2 梯度14<br/>1.3.3 最大似然估计14<br/>1.3.4 随机过程与隐马尔可夫模型15<br/>1.3.5 信息熵16<br/>1.4 本章小结18<br/>第2章 搜索系统和推荐系统常识19<br/>2.1 搜索系统19<br/>2.1.1 什么是搜索引擎及搜索系统19<br/>2.1.2 搜索引擎的发展史21<br/>2.1.3 搜索引擎的分类22<br/>2.2 推荐系统23<br/>2.2.1 什么是推荐系统24<br/>2.2.2 推荐系统的发展史24<br/>2.2.3 推荐系统应用场景25<br/>2.2.4 推荐系统的分类26<br/>2.3 搜索与推荐的区别29<br/>2.4 本章小结30<br/>第3章 知识图谱相关理论31<br/>3.1 知识图谱概述31<br/>3.1.1 什么是知识图谱31<br/>3.1.2 知识图谱的价值33<br/>3.1.3 知识图谱的架构35<br/>3.1.4 知识图谱的表示与建模36<br/>3.2 信息抽取39<br/>3.2.1 实体识别40<br/>3.2.2 关系抽取46<br/>3.3 知识融合50<br/>3.3.1 实体对齐50<br/>3.3.2 实体消歧51<br/>3.4 知识加工53<br/>3.4.1 知识推理53<br/>3.4.2 质量评估58<br/>3.5 本章小结58<br/>第二部分 搜索系统的基本原理<br/>第4章 搜索系统框架及原理60<br/>4.1 搜索系统的框架60<br/>4.1.1 基本框架60<br/>4.1.2 搜索引擎是如何工作的62<br/>4.2 数据收集及预处理 64<br/>4.2.1 爬虫64<br/>4.2.2 数据清洗66<br/>4.2.3 存储空间及分布式设计 68<br/>4.3 文本分析70<br/>4.3.1 查询处理71<br/>4.3.2 意图理解82<br/>4.3.3 其他文本分析方法85<br/>4.4 基于知识图谱的搜索系统90<br/>4.5 本章小结92<br/>第5章 搜索系统中的主要算法93<br/>5.1 信息检索基本模型93<br/>5.1.1 布尔模型93<br/>5.1.2 向量空间模型94<br/>5.1.3 概率检索模型96<br/>5.1.4 其他模型100<br/>5.2 搜索和机器学习102<br/>5.2.1 排序学习102<br/>5.2.2 排序学习示例107<br/>5.3 搜索和深度学习116<br/>5.3.1 DNN模型116<br/>5.3.2 DSSM模型118<br/>5.3.3 Transformer120<br/>5.4 本章小结126<br/>第6章 搜索系统评价127<br/>6.1 搜索系统评价的意义127<br/>6.2 搜索系统的评价体系127<br/>6.2.1 效率评价128<br/>6.2.2 效果评价130<br/>6.3 本章小结136<br/>第三部分 推荐系统的基本原理<br/>第7章 推荐系统框架及原理138<br/>7.1 推荐系统的框架及运行138<br/>7.1.1 基本框架139<br/>7.1.2 组件及功能140<br/>7.1.3 推荐引擎是如何工作的141<br/>7.1.4 推荐系统的经典问题142<br/>7.2 推荐系统的冷启动145<br/>7.3 推荐系统的召回策略150<br/>7.3.1 基于行为相似的召回150<br/>7.3.2 基于内容相似的召回153<br/>7.4 推荐系统排序160<br/>7.4.1 特征选择的方法160<br/>7.4.2 推荐系统的排序过程164<br/>7.5 基于知识图谱的推荐系统166<br/>7.6 本章小结168<br/>第8章 推荐系统的主要算法169<br/>8.1 矩阵分解169<br/>8.1.1 奇异值分解170<br/>8.1.2 交替最小二乘171<br/>8.1.3 贝叶斯个性化排序172<br/>8.2 线性模型174<br/>8.2.1 FM模型175<br/>8.2.2 FFM模型176<br/>8.3 树模型177<br/>8.3.1 决策树模型177<br/>8.3.2 集成算法模型183<br/>8.4 深度学习模型191<br/>8.4.1 Wide & Deep模型191<br/>8.4.2 Deep FM模型197<br/>8.5 本章小结199<br/>第9章 推荐系统的评价200<br/>9.1 推荐评估的目的200<br/>9.2 推荐系统的评价指标200<br/>9.2.1 RMSE和R方204<br/>9.2.2 MAP和MRR204<br/>9.2.3 其他相关指标205<br/>9.3 推荐系统的评估实验方法206<br/>9.3.1 离线评估206<br/>9.3.2 在线评估209<br/>9.3.3 主观评估213<br/>9.4 本章小结217<br/>第四部分 应用<br/>第10章 搜索引擎工具220<br/>10.1 Lucene简介220<br/>10.1.1 Lucene的由来及现状220<br/>10.1.2 Lucene创建索引过程分析223<br/>10.1.3 Lucene的搜索过程解析224<br/>10.2 Solr简介226<br/>10.2.1 Solr特性228<br/>10.2.2 Solr的核心概念228<br/>10.2.3 Solr的核心功能228<br/>10.3 Elasticsearch简介230<br/>10.3.1 Elasticsearch的核心概念230<br/>10.3.2 Elasticsearch的核心功能231<br/>10.4 搜索引擎工具对比232<br/>10.5 本章小结233<br/>第11章 搜索应用实战：基于电商的搜索开发234<br/>11.1 电商搜索系统的架构设计234<br/>11.2 ES在搜索系统中的应用236<br/>11.3 NLP在搜索系统中的应用237<br/>11.4 商品数据排序算法研究240<br/>11.5 搜索排序的评价及优化241<br/>11.6 深度学习在搜索系统中的应用243<br/>11.7 电商搜索系统中的SEM243<br/>11.8 本章小结246<br/>第12章 推荐应用实战：基于广告平台的推荐247<br/>12.1 推荐系统的架构设计247<br/>12.2 推荐系统的召回和冷启动249<br/>12.3 ES在推荐系统中的应用251<br/>12.4 推荐系统中NLP的应用252<br/>12.5 推荐系统中粗排和精排253<br/>12.6 推荐系统的评价和优化254<br/>12.7 深度学习在推荐系统应用255<br/>12.8 本章小结257
内容摘要
本书分为4大部分。第一部分（第1~3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。<br>第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。<br>第三部分（第7~9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。<br>第四部分（第10~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。<br>
— 没有更多了 —
以下为对购买帮助不大的评价