《推荐系统实践》项亮【文字版_PDF电子书_推荐】
内容简介：
随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载(information overload)的时代 。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：对于信息消费者，从大量信息中找到自己感兴趣的信息是一件非常困难的事情;对于信息生产者，让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。
作者简介：
项亮，毕业于中国科学技术大学和中国科学院自动化所，研究方向为机器学习和推荐系统，现任职于北京Hulu软件技术开发有限公司，从事视频推荐的研究和开发。2009年参加Netflix Prize推荐系统比赛获得团体第二名，且于当年发起创建了Resys China推 荐系统社区。
目 录：
第1章 好的推荐系统 1
1.1 什么是推荐系统 1
1.2 个性化推荐系统的应用 4
1.2.1 电子商务 4
1.2.2 电影和视频网站 8
1.2.3 个性化音乐网络电台 10
1.2.4 社交网络 12
1.2.5 个性化阅读 15
1.2.6 基于位置的服务 16
1.2.7 个性化邮件 17
1.2.8 个性化广告 18
1.3 推荐系统评测 19
1.3.1 推荐系统实验方法 20
1.3.2 评测指标 23
1.3.3 评测维度 34
第2章 利用用户行为数据 35
2.1 用户行为数据简介 36
2.2 用户行为分析 39
2.2.1 用户活跃度和物品流行度的分布 39
2.2.2 用户活跃度和物品流行度的关系 41
2.3 实验设计和算法评测 41
2.3.1 数据集 42
2.3.2 实验设计 42
2.3.3 评测指标 42
2.4 基于邻域的算法 44
2.4.1 基于用户的协同过滤算法 44
2.4.2 基于物品的协同过滤算法 51
2.4.3 UserCF和ItemCF的综合比较 59
2.5 隐语义模型 64
2.5.1 基础算法 64
2.5.2 基于LFM的实际系统的例子 70
2.5.3 LFM和基于邻域的方法的比较 72
2.6 基于图的模型 73
2.6.1 用户行为数据的二分图表示 73
2.6.2 基于图的推荐算法 73
第3章 推荐系统冷启动问题 78
3.1 冷启动问题简介 78
3.2 利用用户注册信息 79
3.3 选择合适的物品启动用户的兴趣 85
3.4 利用物品的内容信息 89
3.5 发挥专家的作用 94
第4章 利用用户标签数据 96
4.1 UGC标签系统的代表应用 97
4.1.1 Delicious 97
4.1.2 CiteULike 98
4.1.3 Last.fm 98
4.1.4 豆瓣 99
4.1.5 Hulu 99
4.2 标签系统中的推荐问题 100
4.2.1 用户为什么进行标注 100
4.2.2 用户如何打标签 101
4.2.3 用户打什么样的标签 102
4.3 基于标签的推荐系统 103
4.3.1 实验设置 104
4.3.2 一个最简单的算法 105
4.3.3 算法的改进 107
4.3.4 基于图的推荐算法 110
4.3.5 基于标签的推荐解释 112
4.4 给用户推荐标签 115
4.4.1 为什么要给用户推荐标签 115
4.4.2 如何给用户推荐标签 115
4.4.3 实验设置 116
4.4.4 基于图的标签推荐算法 119
4.5 扩展阅读 119
第5章 利用上下文信息 121
5.1 时间上下文信息 122
5.1.1 时间效应简介 122
5.1.2 时间效应举例 123
5.1.3 系统时间特性的分析 125
5.1.4 推荐系统的实时性 127
5.1.5 推荐算法的时间多样性 128
5.1.6 时间上下文推荐算法 130
5.1.7 时间段图模型 134
5.1.8 离线实验 136
5.2 地点上下文信息 139
5.3 扩展阅读 143
第6章 利用社交网络数据 144
6.1 获取社交网络数据的途径 144
6.1.1 电子邮件 145
6.1.2 用户注册信息 146
6.1.3 用户的位置数据 146
6.1.4 论坛和讨论组 146
6.1.5 即时聊天工具 147
6.1.6 社交网站 147
6.2 社交网络数据简介 148社交网络数据中的长尾分布 149
6.3 基于社交网络的推荐 150
6.3.1 基于邻域的社会化推荐算法 151
6.3.2 基于图的社会化推荐算法 152
6.3.3 实际系统中的社会化推荐算法 153
6.3.4 社会化推荐系统和协同过滤推荐系统 155
6.3.5 信息流推荐 156
6.4 给用户推荐好友 159
6.4.1 基于内容的匹配 161
6.4.2 基于共同兴趣的好友推荐 161
6.4.3 基于社交网络图的好友推荐 161
6.4.4 基于用户调查的好友推荐算法对比 164
6.5 扩展阅读 165
第7章 推荐系统实例 166
7.1 外围架构 166
7.2 推荐系统架构 167
7.3 推荐引擎的架构 171
7.3.1 生成用户特征向量 172
7.3.2 特征?物品相关推荐 173
7.3.3 过滤模块 174
7.3.4 排名模块 174
7.4 扩展阅读 178
第8章 评分预测问题 179
8.1 离线实验方法 180
8.2 评分预测算法 180
8.2.1 平均值 180
8.2.2 基于邻域的方法 184
8.2.3 隐语义模型与矩阵分解模型 186
8.2.4 加入时间信息 192
8.2.5 模型融合 193
8.2.6 Netflix Prize的相关实验结果 195
后记 196
《推荐系统实践》项亮【文字版_PDF电子书_下载】大小：12.35MB已经过安全软件检测无毒，请您放心下载。浏览器不支持脚本！购买本书：当当图书商城 | | 淘宝购书
有需要联系v；hx-hx4
摘要：《推荐系统实践》项亮【文字版_PDF电子书_推荐】_计算机类 是一本关于推荐系统实践的书籍。本文将从四个方面对该书进行详细阐述，包括书籍概述、内容介绍、学习目标和实践意义。
1、书籍概述
《推荐系统实践》项亮【文字版_PDF电子书_推荐】_计算机类 是一本关于推荐系统实践的经典着作，由项亮编着。该书通过系统地介绍了推荐系统的各个方面，包括推荐系统的基本原理、算法和实践经验等。该书以清晰的逻辑结构和简明的语言风格，深入浅出地阐述了推荐系统的核心概念和方法，是一本适合初学者和从业人员的必备参考书。
该书共分为10章，分别介绍了推荐系统的基本概念、用户行为数据的获取与处理、推荐系统的评估方法、基于内容的推荐、协同过滤推荐、隐语义模型、基于图的推荐、推荐系统的实践与应用等内容。每一章都有清晰的目录和详细的讲解，读者可以根据自己的需求选择阅读。
2、内容介绍
《推荐系统实践》从推荐系统的基本原理出发，逐步介绍了推荐系统的各个组成部分。首先介绍了推荐系统的基本概念和目标，然后详细介绍了用户行为数据的获取与处理方法，包括数据的收集、清洗和存储等。接着介绍了推荐系统的评估方法，包括离线评估和在线评估。
该书还介绍了推荐系统的常用算法，包括基于内容的推荐算法、协同过滤推荐算法和隐语义模型等。对于每一种算法，都给出了详细的原理和实践案例，读者可以通过实际代码进行实践。此外，该书还介绍了基于图的推荐算法和推荐系统的实践与应用。
3、学习目标
通过学习《推荐系统实践》，读者可以了解推荐系统的基本原理和方法，掌握推荐系统的设计与实现技术。具体来说，读者可以学会如何获取和处理用户行为数据，如何使用不同的算法进行推荐，如何评估和优化推荐系统的性能。
此外，读者还可以通过实践案例了解推荐系统在不同领域的应用，如电子商务、社交网络和音乐推荐等。通过学习该书，读者可以提升自己在推荐系统领域的专业能力，并能够应用所学知识解决实际问题。
4、实践意义
《推荐系统实践》是一本实用性很强的书籍，能够帮助读者深入理解推荐系统的原理和方法。通过学习该书，读者可以掌握推荐系统的核心技术，提高推荐系统的准确性和效果。同时，该书还提供了大量的实践案例和代码，可以帮助读者进行实际操作和实验。
推荐系统在现实生活中有着广泛的应用，如电商平台的商品推荐、社交网络的好友推荐和音乐平台的歌曲推荐等。通过学习《推荐系统实践》，读者可以了解推荐系统的应用场景和实践经验，为自己的职业发展提供更多的机会和选择。
总结：
《推荐系统实践》项亮【文字版_PDF电子书_推荐】_计算机类 是一本关于推荐系统实践的经典着作，通过详细介绍推荐系统的基本概念、算法和实践经验，帮助读者掌握推荐系统的核心技术和应用方法。该书内容丰富、结构清晰，适合初学者和从业人员阅读。通过学习该书，读者可以提升自己在推荐系统领域的专业能力，为实际问题的解决提供更多的机会和选择。
本文由nayona.cn整理
本文采摘于网络，不代表本站立场，转载联系作者并注明出处： https://sm.nayona.cn/xinnengyuan/258260.html
