内容简介
本书是推荐系统领域的经典入门书籍，由项亮撰写，系统介绍了推荐系统的原理、算法和工程实践。全书从基础概念出发，详细讲解了基于内容推荐、协同过滤、隐语义模型、基于图推荐等主流算法，并深入剖析了推荐系统的评估方法、冷启动问题、用户画像构建等实际运营中的难点。
作者结合大量真实案例，如亚马逊、Netflix、YouTube等平台的推荐策略，帮助读者理解算法背后的业务逻辑。书中还提供了丰富的Python代码示例，从数据预处理到模型实现，循序渐进地引导读者完成一个完整的推荐系统项目。
作为图灵原创系列之一，本书注重理论与实践的结合，适合计算机专业学生、数据挖掘工程师和产品经理阅读。通过本书的学习，读者能够掌握推荐系统的构建全流程，并具备解决实际推荐问题的能力。
目录
序 一
序 二
序 三
1.1 什么是推荐系统
1.2 个性化推荐系统的应用
1.3 推荐系统评测
第 1 章 好的推荐系统
2.1 用户行为数据简介
2.2 用户行为分析
2.3 实验设计和算法评测
2.4 基于邻域的算法
2.5 隐语义模型
2.6 基于图的模型
第 2 章 利用用户行为数据
3.1 冷启动问题简介
3.2 利用用户注册信息
3.3 选择合适的物品启动用户的兴趣
3.4 利用物品的内容信息
3.5 发挥专家的作用
第 3 章 推荐系统冷启动问题
序 二
序 三
1.1 什么是推荐系统
1.2 个性化推荐系统的应用
1.3 推荐系统评测
第 1 章 好的推荐系统
2.1 用户行为数据简介
2.2 用户行为分析
2.3 实验设计和算法评测
2.4 基于邻域的算法
2.5 隐语义模型
2.6 基于图的模型
第 2 章 利用用户行为数据
3.1 冷启动问题简介
3.2 利用用户注册信息
3.3 选择合适的物品启动用户的兴趣
3.4 利用物品的内容信息
3.5 发挥专家的作用
第 3 章 推荐系统冷启动问题
免责申明：
1. 本站分享的所有书籍均来源于自互联网，部分书籍中可能有压制者放置的广告，这并不是本站所为，请注意甄别。
2. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
3. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
4. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
5. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
1. 本站分享的所有书籍均来源于自互联网，部分书籍中可能有压制者放置的广告，这并不是本站所为，请注意甄别。
2. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
3. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
4. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
5. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
