首页 > 图书中心 >图书详情

推荐系统与深度学习

腾讯技术大牛经验总结 免费提供配套源程序下载 本书除了在算法层面讲解推荐系统的实现 还从工程层面详细阐述推荐系统如何搭建

作者:黄昕、赵伟、王本友、吕慧伟、杨敏
定价:65
印次:1-5
ISBN:9787302513636
出版日期:2019.01.01
印刷日期:2020.11.23

本书的几位作者都在大型互联网公司从事与推荐系统相关的实践与研究,通过这本书,把推荐系统工作经验予以总结,以帮助想从事推荐系统的工作者或推荐系统爱好者。本书的内容设置由浅入深,从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者,还是有一定经验的从业人员,相信都能从本书的不同章节中有所收获。 区别于其他推荐算法书籍,本书引入了已被实践证明效果较好的深度学习推荐技术,包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用,并给出了相关的实践代码;除了在算法层面讲解推荐系统的实现,还从工程层面详细阐述推荐系统如何搭建。

more >

???????????????????? 本书的五位作者均曾就职于腾讯,分别在不同的部门从事与推荐系统相关的工作。 正是因为“推荐”,我们相识相知。我们不仅在工作中成为伙伴,在工作之余,我们也成 了非常好的朋友。在一次好友聊天中,我们萌生写作本书的想法,在之后半年的时间中, 我们各有分工,共同完成了本书的写作。可以说,这本书不仅是我们知识的沉淀,也是 我们友谊的见证。 推荐算法具有非常多的应用场景和巨大的商业价值。推荐算法种类很多,目前应用 最广泛的应该是基于协同过滤的推荐算法。在2016 年,随着阿尔法围棋(AlphaGo)大 放异彩,新的一波深度学习浪潮已至。在图像、音频处理等领域,深度学习技术已成为 当之无愧的王者;但在推荐领域,深度学习还处于发展阶段。同时,我们在平时工作学 习中,发现市面上并没有关于两者相结合的书籍,只能在国外论文中发现相关的方法与 应用。所以,我们决定以比较简单的表达方式,通过总结过往的推荐算法经验,将深度 学习相关的应用介绍给更多的读者。 为了适应具有不同知识储备的读者阅读,本书大致可分为四个部分。第1 至第3 章 为第一部分,主要介绍深度学习的基础知识。第4 至第5 章为第二部分,主要介绍了传 统的推荐算法及问题。第6 章为第三部分,进一步介绍深度学习推荐技术。第7 章为第 四部分,介绍了如何在线上实战搭建推荐系统。第三、第四部分是本书的重点,对于从 事算法的工作者,可以了解到深度学习技术与推荐算法的结合;对于从事工程的工作者, 可以汲取线上搭建推荐系统的经验。 在本书的写作过程中,得到了很多前辈同事的帮助,包括傅鸿城、李深远、刘黎春、 赵蕊、邱天宇等领导、同事都给予了很多宝贵意见和支持。没有他们的帮助,我们很难 完成本书的写作。 最后还要感谢我们的家人,在写作本书的过程中,我们几位作者占用了大量的家庭 时间,感谢他们的照顾和体谅。

more >
扫描二维码
下载APP了解更多

同系列产品more >

5G车联网(V2X)与终端直通

OPPO研究院 组编,张世
定 价:99元

查看详情
5G终端技术演进与增强

OPPO研究院 组编,左志
定 价:99元

查看详情
5G技术核心与增强:从R15到R17

OPPO研究院 组编,沈嘉
定 价:298元

查看详情
6G无线网络空口关键技术

袁弋非 黄宇红 丁海煜
定 价:108元

查看详情
Eviews实战与数据分析

李宗璋
定 价:118元

查看详情
图书分类全部图书
more >
  • 黄昕
    现任腾讯音乐集团高级工程师,先后负责QQ音乐、全民K歌等App推荐算法开发及系统架构设计工作。

    赵伟
    德国达姆施塔特工业大学在读博士生,研究方向包括自然语言处理和信息检索。曾任腾讯知文实验室研究员。

    吕慧伟 
    现任腾讯科技有限公司高级工程师。中国科学院计算技术研究所计算机体系结构博士,MPICH核心开发者。

    王本友
    意大利帕多瓦大学博士生,欧盟玛丽?居里研究员。曾作为主要成员,从零开始搭建了腾讯云智能客服系统。

    杨敏
    现任中国科学院深圳先进技术研究院助理研究员,从事文本挖掘、自然语言处理、人工智能相关领域的研究与开发工作。曾任腾讯高级研究员。
  • 本书的五位作者均曾就职于腾讯,分别在不同的部门从事与推荐系统相关的工作。
    推荐算法具有非常多的应用场景和巨大的商业价值。推荐算法种类很多,目前应用最广泛的应该是基于协同过滤的推荐算法。在2016年,随着阿尔法围棋(AlphaGo)大放异彩,新的一波深度学习浪潮已至。在图像、音频处理等领域,深度学习技术已成为当之无愧的王者;但在推荐领域,深度学习还处于发展阶段。同时,我们在平时工作学习中,发现市面上并没有关于两者相结合的书籍,只能在国外论文中发现相关的方法与应用。所以,我们决定以比较简单的表达方式,通过总结过往的推荐算法经验,将深度学习相关的应用介绍给更多的读者。
more >
  • 第1 章什么是推荐系统1

    1.1 推荐系统的概念.1

    1.1.1 推荐系统的基本概念1

    1.1.2 深度学习与推荐系统4

    第2 章深度神经网络.7

    2.1 什么是深度学习.7

    2.1.1 深度学习的三次兴起7

    2.1.2 深度学习的优势9

    2.2 神经网络基础11

    2.2.1 神经元11

    2.2.2 神经网络.12

    2.2.3 反向传播.13

    2.2.4 优化算法.14

    2.3 卷积网络基础17

    2.3.1 卷积层17

    2.3.2 池化层19

    2.3.3 常见的网络结构19

    2.4 循环网络基础21

    2.4.1 时序反向传播算法22

    2.4.2 长短时记忆网络24

    2.5 生成对抗基础25

    2.5.1 对抗博弈.26

    2.5.2 理论推导.27

    2.5.3 常见的生成对抗网络29

    iv j 推荐系统与深度学习

    第3 章TensorFlow 平台31

    3.1 什么是TensorFlow 31

    3.2 TensorFlow 安装指南.33

    3.2.1 Windows 环境安装.33

    3.2.2 Linux 环境安装.34

    3.3 TensorFlow 基础.36

    3.3.1 数据流图.36

    3.3.2 会话37

    3.3.3 图可视化.37

    3.3.4 变量37

    3.3.5 占位符38

    3.3.6 优化器38

    3.3.7 一个简单的例子38

    3.4 其他深度学习平台39

    第4 章推荐系统的基础算法42

    4.1 基于内容的推荐算法.42

    4.1.1 基于内容的推荐算法基本流程42

    4.1.2 基于内容推...

精彩书评more >

标题

评论

版权所有(C)2023 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802042911号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘