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。 第4章介绍图神经网络及结合图神经网络进一步推导出的推荐算法。 第5章介绍知识图谱及结合知识图谱进一步推导出的推荐算法。 第6章介绍整个推荐系统的详细结构及基本做法。 第7章介绍评估推荐算法及推荐系统的指标及方式。 第8章介绍整个推荐工程大体的生命周期。 阅读建议 本书内容丰富，尤其是第2~5章，这4章由浅入深地介绍各个派系的推荐算法及推导过程，属于本书的核心。其中每个算法都介绍得非常详细，并且都会有实战示例代码帮助大家理解并提高动手能力。第2章和第3章建议读者按照顺序详细阅读，第2章是打地基，而第3章是基于第2章的推导，这两章读完后基本就能入门推荐算法且能够有推导算法的能力了。第4章的图神经网络是目前的热门学科，本书会由推荐的角度带领大家了解图神经网络且应用于推荐算法中。第5章的知识图谱算是专业度更高、实用性更强的推荐算法派系，已经掌握前4章知识的读者要 学习第5章的知识应该是轻而易举的。 第6~8章是整个推荐系统、商业及推荐工程的介绍。这3章笔者建议大家可以在读完第3章后随时提前抽取阅读。尤其是第7章，它系统地介绍了推荐系统的评估指标。大家可以在示例代码的基础上添加自己的改良代码，并同时利用第7章的评估指标实际评估。 本书源代码 扫描下方二维码，可获取本书源代码。 本书源代码 致谢 最初在网上作为兴趣上传讲解算法的视频，受到了不少网友的关注，由此有了写作本书的契机。感恩在此过程中遇到的每一位支持者，尤其感谢我的妻子给予我的支持与帮助。 由于时间仓促，书中难免存在不妥之处，请读者见谅，并提出宝贵意见。 於方仁 2022年8月

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接