掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
從零開始構建企業(yè)級推薦系統(tǒng) 版權信息
- ISBN：9787121391514
- 條形碼：9787121391514 ; 978-7-121-39151-4
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
從零開始構建企業(yè)級推薦系統(tǒng) 本書特色
適讀人群 ：本書的目標讀者是推薦系統(tǒng)研發(fā)工程師、產(chǎn)品經(jīng)理以及對推薦系統(tǒng)感興趣的學生和從業(yè)者。√ 舉一綱而萬目張，解一卷而眾篇明：本書旨在與龐雜的領域知識網(wǎng)格中點亮關鍵節(jié)點，為讀者的商業(yè)化落地開辟泛化通道。√ 注重零啟動|全流程|成系統(tǒng)|通用化：用整體、全局思維將商業(yè)級推薦系統(tǒng)涉及的算法、模塊、架構與相關性鏈條全線貫通。√ 國內(nèi)首批實踐商業(yè)化推薦的老江湖：從轉轉到阿里，十年知名電商企業(yè)主導推薦系統(tǒng)研發(fā)和帶領相關算法團隊經(jīng)驗。√ 產(chǎn)品邏輯|數(shù)據(jù)|算法|架構四大體系：用真實案例覆蓋電商、新聞、短視頻等主流場景和技術生態(tài)，面向工程師與產(chǎn)品經(jīng)理。
從零開始構建企業(yè)級推薦系統(tǒng) 內(nèi)容簡介
本書是一本面向實踐的企業(yè)級推薦系統(tǒng)開發(fā)指南，內(nèi)容包括產(chǎn)品設計、相關性算法、排序模型、工程架構、效果評測、系統(tǒng)監(jiān)控等推薦系統(tǒng)核心部分的設計與開發(fā)，可以幫助開發(fā)者逐步構建一個完整的推薦系統(tǒng)，并提供了持續(xù)優(yōu)化的系統(tǒng)性思路。本書注重從系統(tǒng)性和通用性的角度看待推薦系統(tǒng)的核心問題，希望能夠幫助讀者做到知其然，也知其所以然，更能夠舉一反三，真正掌握推薦系統(tǒng)的核心本質。此外，本書對于推薦系統(tǒng)開發(fā)中常見的問題和陷阱，以及系統(tǒng)構建過程，也做了重點介紹，力求讓讀者不僅知道做什么，而且知道怎么做。本書的目標讀者是推薦系統(tǒng)研發(fā)工程師、產(chǎn)品經(jīng)理以及對推薦系統(tǒng)感興趣的學生和從業(yè)者。
從零開始構建企業(yè)級推薦系統(tǒng) 目錄
第１章 推薦系統(tǒng)的時代背景 1
1．1 為什么需要推薦系統(tǒng) 1
1．1．1 提高流量利用效率 1
1．1．2 挖掘和匹配長尾需求 6
1．1．3 提升用戶體驗 7
1．1．4 技術積累 8
1．2 推薦的產(chǎn)品問題 10
1．2．1 推薦什么東西 10
1．2．2 為誰推薦 13
1．2．3 推薦場景 14
1．2．4 推薦解釋 16
1．3 總結 18
第2章 推薦系統(tǒng)的核心技術概述 19
2．1 核心邏輯拆解 19
2．2 整體流程概述 20
2．3 召回算法 21
2．4 基于行為的召回算法 24
2．5 用戶畫像和物品畫像 24
2．6 結果排序 26
2．7 評價指標 26
2．8 系統(tǒng)監(jiān)控 27
2．9 架構設計 28
2．10 發(fā)展歷程 28
2．11 總結 30
第3章 基礎推薦算法 31
3．1 推薦邏輯流程架構 31
3．2 召回算法的基本邏輯 34
3．3 常用的基礎召回算法 36
3．3．1 用戶與物品的相關性 36
3．3．2 物品與物品的相關性 42
3．3．3 用戶與用戶的相關性 46
3．3．4 用戶與標簽的相關性 47
3．3．5 標簽與物品的相關性 48
3．3．6 相關性召回的鏈式組合 50
3．4 冷啟動場景下的推薦 51
3．5 總結 53
第4章 算法融合與數(shù)據(jù)血統(tǒng) 54
4．1 線性加權融合 55
4．2 優(yōu)先級融合 57
4．3 基于機器學習的排序融合 59
4．4 融合策略的選擇 61
4．5 融合時機的選擇 63
4．6 數(shù)據(jù)血統(tǒng) 64
4．6．1 融合策略正確性驗證 65
4．6．2 系統(tǒng)效果監(jiān)控 65
4．6．3 策略效果分析 67
4．7 總結 68
第5章 機器學習技術的應用 69
5．1 機器學習技術概述 69
5．2 推薦系統(tǒng)中的應用場景 70
5．3 機器學習技術的實施方法 72
5．3．1 老系統(tǒng)與數(shù)據(jù)準備 72
5．3．2 問題分析與目標定義 74
5．3．3 樣本處理 76
5．3．4 特征處理 80
5．3．5 模型選擇與訓練 98
5．3．6 模型效果評估 101
5．3．7 預測階段效果監(jiān)控 104
5．3．8 模型訓練系統(tǒng)架構設計 105
5．3．9 模型預測系統(tǒng)架構設計 108
5．4 常用模型介紹 109
5．4．1 邏輯回歸模型 109
5．4．2 GBDT模型 111
5．4．3 LR+GDBT模型 112
5．4．4 因子分解機模型 113
5．4．5 Wide ＆ Deep模型 115
5．4．6 其他深度學習模型 116
5．5 機器學習實踐常見問題 117
5．5．1 反模式1：只見模型，不見系統(tǒng) 117
5．5．2 反模式2：忽視模型過程和細節(jié) 117
5．5．3 反模式3：不注重樣本精細化處理 118
5．5．4 反模式4：過于依賴算法 119
5．5．5 反模式5：核心數(shù)據(jù)缺乏控制 120
5．5．6 反模式6：團隊不夠“全棧” 121
5．5．7 反模式7：系統(tǒng)邊界模糊導致出現(xiàn)“巨型系統(tǒng)” 121
5．5．8 反模式8：不重視基礎數(shù)據(jù)架構建設 122
5．6 總結 123
第6章 用戶畫像系統(tǒng) 124
6．1 用戶畫像的概念和作用 124
6．2 用戶畫像的價值準則 126
6．3 用戶畫像的構成要素 128
6．3．1 物品側畫像 129
6．3．2 用戶側畫像 133
6．3．3 用戶畫像擴展 139
6．3．4 用戶畫像和排序特征的關系 142
6．4 用戶畫像系統(tǒng)的架構演進 143
6．4．1 用戶畫像系統(tǒng)的組成部分 143
6．4．2 野蠻生長期 144
6．4．3 統(tǒng)一用戶畫像系統(tǒng)架構 145
6．5 總結 147
第7章 系統(tǒng)效果評測與監(jiān)控 148
7．1 評測與監(jiān)控的概念和意義 148
7．2 推薦系統(tǒng)的評測指標系統(tǒng) 150
7．3 常用指標 151
7．4 離線效果評測方法 158
7．5 在線效果評測方法 163
7．5．1 AB實驗 163
7．5．2 交叉實驗 173
7．6 系統(tǒng)監(jiān)控 178
7．7 總結 181
第8章 推薦效果優(yōu)化 182
8．1 準確率優(yōu)化的一般性思路 183
8．2 覆蓋率優(yōu)化的一般性思路 185
8．3 行為類相關性算法優(yōu)化 188
8．3．1 熱度懲罰 188
8．3．2 時效性優(yōu)化 190
8．3．3 隨機游走 194
8．3．4 嵌入表示 196
8．4 內(nèi)容類相關性算法優(yōu)化 200
8．4．1 非結構化算法 201
8．4．2 結構化算法 201
8．5 影響效果的非算法因素 205
8．5．1 用戶因素 205
8．5．2 產(chǎn)品設計因素 206
8．5．3 數(shù)據(jù)因素 208
8．5．4 算法策略因素 208
8．5．5 工程架構因素 209
8．6 總結 210
第9章 自然語言處理技術的應用 211
9．1 詞袋模型 212
9．2 權重計算和向量空間模型 214
9．3 隱語義模型 216
9．4 概率隱語義模型 218
9．5 生成式概率模型 220
9．6 LDA模型的應用 222
9．6．1 相似度計算 222
9．6．2 排序特征 222
9．6．3 物品打標簽＆用戶打標簽 223
9．6．4 主題＆詞的重要性度量 223
9．6．5 更多應用 224
9．7 神經(jīng)概率語言模型 224
9．8 行業(yè)應用現(xiàn)狀 226
9．9 總結和展望 227
第10章 探索與利用問題 228
10．1 多臂老虎機問題 228
10．2 推薦系統(tǒng)中的EE問題 230
10．3 解決方案 231
10．3．1 ?-Greedy算法 231
10．3．2 UCB 234
10．3．3 湯普森采樣 236
10．3．4 LinUCB 237
10．4 探索與利用原理在機器學習系統(tǒng)中的應用 239
10．5 EE問題的本質和影響 240
10．6 總結 241
第11章 推薦系統(tǒng)架構設計 242
11．1 架構設計概述 242
11．2 系統(tǒng)邊界和外部依賴 244
11．3 離線層、在線層和近線層架構 246
11．4 離線層架構 247
11．5 近線層架構 249
11．6 在線層架構 252
11．7 架構層級對比 255
11．8 系統(tǒng)和架構演進原則 256
11．8．1 從簡單到復雜 256
11．8．2 從離線到在線 258
11．8．3 從統(tǒng)一到拆分 258
11．9 基于領域特定語言的架構設計 259
11．10 總結 262
第12章 推薦系統(tǒng)工程師成長路線 263
12．1 基礎開發(fā)能力 264
12．1．1 單元測試 264
12．1．2 邏輯抽象復用 264
12．2 概率和統(tǒng)計基礎 265
12．3 機器學習理論 266
12．3．1 基礎理論 267
12．3．2 監(jiān)督學習 268
12．3．3 無監(jiān)督學習 269
12．4 開發(fā)語言和開發(fā)工具 270
12．4．1 開發(fā)語言 270
12．4．2 開發(fā)工具 270
12．5 算法優(yōu)化流程 271
12．6 推薦業(yè)務技能 273
12．7 總結 274
第13章 推薦系統(tǒng)的挑戰(zhàn) 275
13．1 數(shù)據(jù)稀疏性 275
13．2 推薦結果解釋 277
13．3 相關性和因果性 281
13．4 信息繭房 283
13．5 轉化率預估偏差問題 286
13．6 召回模型的局限性問題 288
13．7 用戶行為捕捉粒度問題 290
13．8 總結 291
展開全部
從零開始構建企業(yè)級推薦系統(tǒng) 作者簡介
張相於，本科和研究生畢業(yè)于中國人民大學，現(xiàn)任阿里巴巴高級算法專家。多年來一直從事推薦系統(tǒng)及相關領域的系統(tǒng)研發(fā)，具有豐富的實踐經(jīng)驗，并樂于分享經(jīng)驗與教訓，在ResysChina上發(fā)表過多篇推薦系統(tǒng)相關文章，也在全球架構師峰會等技術大會上做過多次演講。
書友推薦
- >
月亮與六便士
- >
李白與唐代文化
- >
唐代進士錄
- >
伯納黛特,你要去哪(2021新版)
- >
月亮虎
- >
經(jīng)典常談
- >
中國歷史的瞬間
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
