本书从理论结合实践编程来学习推荐系统。由浅入深，先基础后进阶，先理论后实践，先主流后推导。 第1章较为简单，仅初步带领大家了解什么是推荐系统及推荐系统的简史。第2章到第5章介绍的是主流的推荐算法及推荐算法的推导过程，这部分是本书的核心，每个算法都描述的非常详细且有具体代码帮助大家理解，深度学习的框架将采用PyTorch。第6章介绍的是商业及推荐系统的组成结构，第7章系统地介绍了推荐系统的评估指标及方式。第8章则介绍整个推荐工程的生命周期。第6~8章可随时抽取出来提前看。本书配套示例代码及微课视频，帮助读者快速入门推荐算法及系统。 本书可作为高等院校、科研机构或从事推荐系统工作的工程师的参考书籍，也可作为高年级本科生和研究生的学习参考书籍。

於方仁，推荐算法、图神经网络、知识图谱等领域专家。在推荐系统领域从业多年，现任苏州中贸大数据CTO。善于在实战中总结经验，授课幽默风趣，乐于分享知识。

前言 在当前大数据时代下，推荐系统有着举足轻重的地位。尤其是在互联网经济非常发达的国内，推荐系统可谓无处不在。如今推荐系统的做法变化多端，究其原因主要是近年来机器学习算法领域的发展空前火热。推荐系统的工程学问很多，但大方向相对较清晰，无非是收集大数据，然后统计分析，在做出模型之后根据模型预测用户的偏好并做出推荐，所以如今 的重点是研究推荐模型的做法，也是推荐算法的研究。当然将算法用作推荐早已不是新鲜事，但是问题在于推荐算法派系众多，例如有基于CTR预估发展的推荐算法、序列推荐算法、知识图谱推荐算法等。大的派系中还会分小派系，例如知识图谱推荐算法会分基于知识图谱嵌入的推荐算法、基于知识图谱路径的推荐算法等。 写作本书的初衷很简单，市面上讲解推荐算法的书不算少，找到接地气、值得按部就班系统 地学习的书却很少，笔者想用由浅入深的正确打开方式，使大家无痛学习推荐算法，所以本书的重点之一是要梳理这些众多派系的推荐算法，找出一条清晰的脉络让大家能够顺利入门。正如前文所说，机器学习乃至深度学习算法日新月异，也就代表 了推荐算法本身的发展也一定是永不停歇地向前发展的，所以了解众多派系的算法并不是最终目的，而是要通过了解现有成熟的算法从而领略出属于自己的算法体系，这样方能跟上甚至引领这个时代。简而言之，本书的真正重点是通过梳理脉络由浅入深 地带领大家走进推荐算法领域并建立自己的推荐算法推理思路。 本书主要内容 第1章介绍推荐系统的发展历史，对其做初步的了解。 第2章介绍较基础的推荐算法。 第3章介绍基于第2章的基础推荐算法结合深度学习的发展推导出的进阶推荐算法...