中圖網小程序
一鍵登錄
更方便
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
智能搜索和推薦系統:原理、算法與應用:principle, algorithm and application 版權信息
- ISBN：9787111670674
- 條形碼：9787111670674 ; 978-7-111-67067-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能搜索和推薦系統:原理、算法與應用:principle, algorithm and application 本書特色
適讀人群 ：搜索和推薦系統的初中級讀者；自然語言處理的初中級讀者及愛好者；機器學習的初中級讀者及愛好者。NO.1 作者資深 作者均是有多年經驗的搜索、推薦、AI方面的技術專家，精通各種算法 NO.2 引領趨勢 深入講解DL、ML、NLP等AI技術和算法在搜索和推薦中的應用 NO.3 精準講解 針對性講解搜索和推薦入門**數學基礎、原理、架構、算法等核心知識 NO.4 零基礎入門 搜索、推薦、AI零基礎的讀者也能快速掌握基本理論知識和常用實踐方法 NO.5 注重實戰 包含大量常見架構和實用算法，以及多個搜索、推薦和廣告方面的綜合案例
智能搜索和推薦系統:原理、算法與應用:principle, algorithm and application 內容簡介
本書是一部面向初學者的搜索和推薦系統實戰寶典。多位資深專家融合自己豐富的工程實踐經驗，一方面，精準地介紹了搜索和推薦系統的理論基礎、工作原理和常見架構；一方面，深入地講解了機器學習、深度學習、自然語言處理等AI技術在搜索和推薦系統中的應用場景、主要算法及其實現、工程實踐案例。 全書一共12章，分為 四大部分。 **部分（第 1 ～ 3 章） 搜索和推薦系統基礎 首先介紹了概率統計與應用數學的基礎知識，然后介紹了搜索和推薦系統的常識，*后介紹了知識圖譜的基礎理論。 第二部分（第 4 ～ 6 章） 搜索系統原理與架構 首先講解了搜索系統的架構和原理，幫助讀者了解搜索系統的組成、工作原理以及知識圖譜在搜索系統中的應用；其次講解了搜索系統中涉及的基本模型、機器學習以及深度學習算法；*后講解了評價搜索系統的指標體系。 第三部分（第 7 ～ 9 章） 推薦系統原理與架構 首先講解了推薦系統的架構和原理；其次講解了推薦系統中涉及的線性模型、樹模型以及深度學習模型；*后講解了評價推薦系統的指標體系。 第四部分（第 10 ～ 12 章） 實戰應用 首先介紹三種常見的搜索引擎工具，包括 Lucene、Solr和Elasticsearch；其次講解了搜索系統和推薦系統的應用；*后介紹了如何充分結合AI與工程在工業界發揮作用。
智能搜索和推薦系統:原理、算法與應用:principle, algorithm and application 目錄
推薦序一
推薦序二
前言
**部分 搜索和推薦系統的基礎
第1章 概率統計與應用數學基礎知識 2
1.1 概率論基礎 2
1.1.1 概率定義 2
1.1.2 隨機變量 5
1.1.3 基礎的概率分布 5
1.1.4 期望、方差、標準差、協方差 8
1.2 線性代數基礎 10
1.2.1 矩陣 10
1.2.2 向量 10
1.2.3 張量 11
1.2.4 特征向量和特征值 12
1.2.5 奇異值分解 12
1.3 機器學習基礎 13
1.3.1 導數 13
1.3.2 梯度 14
1.3.3 *大似然估計 14
1.3.4 隨機過程與隱馬爾可夫模型 15
1.3.5 信息熵 16
1.4 本章小結 18
第2章 搜索系統和推薦系統常識 19
2.1 搜索系統 19
2.1.1 什么是搜索引擎及搜索系統 19
2.1.2 搜索引擎的發展史 21
2.1.3 搜索引擎的分類 22
2.2 推薦系統 23
2.2.1 什么是推薦系統 24
2.2.2 推薦系統的發展史 24
2.2.3 推薦系統應用場景 25
2.2.4 推薦系統的分類 26
2.3 搜索與推薦的區別 29
2.4 本章小結 30
第3章 知識圖譜相關理論 31
3.1 知識圖譜概述 31
3.1.1 什么是知識圖譜 31
3.1.2 知識圖譜的價值 33
3.1.3 知識圖譜的架構 35
3.1.4 知識圖譜的表示與建模 36
3.2 信息抽取 39
3.2.1 實體識別 40
3.2.2 關系抽取 46
3.3 知識融合 50
3.3.1 實體對齊 50
3.3.2 實體消歧 51
3.4 知識加工 53
3.4.1 知識推理 53
3.4.2 質量評估 58
3.5 本章小結 58
第二部分 搜索系統的基本原理
第4章 搜索系統框架及原理 60
4.1 搜索系統的框架 60
4.1.1 基本框架 60
4.1.2 搜索引擎是如何工作的 62
4.2 數據收集及預處理 64
4.2.1 爬蟲 64
4.2.2 數據清洗 66
4.2.3 存儲空間及分布式設計 68
4.3 文本分析 70
4.3.1 查詢處理 71
4.3.2 意圖理解 82
4.3.3 其他文本分析方法 85
4.4 基于知識圖譜的搜索系統 90
4.5 本章小結 92
第5章 搜索系統中的主要算法 93
5.1 信息檢索基本模型 93
5.1.1 布爾模型 93
5.1.2 向量空間模型 94
5.1.3 概率檢索模型 96
5.1.4 其他模型 100
5.2 搜索和機器學習 102
5.2.1 排序學習 102
5.2.2 排序學習示例 107
5.3 搜索和深度學習 116
5.3.1 DNN模型 116
5.3.2 DSSM模型 118
5.3.3 Transformer 120
5.4 本章小結 126
第6章 搜索系統評價 127
6.1 搜索系統評價的意義 127
6.2 搜索系統的評價體系 127
6.2.1 效率評價 128
6.2.2 效果評價 130
6.3 本章小結 136
第三部分 推薦系統的基本原理
第7章 推薦系統框架及原理 138
7.1 推薦系統的框架及運行 138
7.1.1 基本框架 139
7.1.2 組件及功能 140
7.1.3 推薦引擎是如何工作的 141
7.1.4 推薦系統的經典問題 142
7.2 推薦系統的冷啟動 145
7.3 推薦系統的召回策略 150
7.3.1 基于行為相似的召回 150
7.3.2 基于內容相似的召回 153
7.4 推薦系統排序 160
7.4.1 特征選擇的方法 160
7.4.2 推薦系統的排序過程 164
7.5 基于知識圖譜的推薦系統 166
7.6 本章小結 168
第8章 推薦系統的主要算法 169
8.1 矩陣分解 169
8.1.1 奇異值分解 170
8.1.2 交替*小二乘 171
8.1.3 貝葉斯個性化排序 172
8.2 線性模型 174
8.2.1 FM模型 175
8.2.2 FFM模型 176
8.3 樹模型 177
8.3.1 決策樹模型 177
8.3.2 集成算法模型 183
8.4 深度學習模型 191
8.4.1 Wide & Deep模型 191
8.4.2 Deep FM模型 197
8.5 本章小結 199
第9章 推薦系統的評價 200
9.1 推薦評估的目的 200
9.2 推薦系統的評價指標 200
9.2.1 RMSE和R方 204
9.2.2 MAP和MRR 204
9.2.3 其他相關指標 205
9.3 推薦系統的評估實驗方法 206
9.3.1 離線評估 206
9.3.2 在線評估 209
9.3.3 主觀評估 213
9.4 本章小結 217
第四部分 應用
第10章 搜索引擎工具 220
10.1 Lucene簡介 220
10.1.1 Lucene的由來及現狀 220
10.1.2 Lucene創建索引過程分析 223
10.1.3 Lucene的搜索過程解析 224
10.2 Solr簡介 226
10.2.1 Solr特性 228
10.2.2 Solr的核心概念 228
10.2.3 Solr的核心功能 228
10.3 Elasticsearch簡介 230
10.3.1 Elasticsearch的核心概念 230
10.3.2 Elasticsearch的核心功能 231
10.4 搜索引擎工具對比 232
10.5 本章小結 233
第11章 搜索應用實戰：基于電商的搜索開發 234
11.1 電商搜索系統的架構設計 234
11.2 ES在搜索系統中的應用 236
11.3 NLP在搜索系統中的應用 237
11.4 商品數據排序算法研究 240
11.5 搜索排序的評價及優化 241
11.6 深度學習在搜索系統中的應用 243
11.7 電商搜索系統中的SEM 243
11.8 本章小結 246
第12章 推薦應用實戰：基于廣告平臺的推薦 247
12.1 推薦系統的架構設計 247
12.2 推薦系統的召回和冷啟動 249
12.3 ES在推薦系統中的應用 251
12.4 推薦系統中NLP的應用 252
12.5 推薦系統中粗排和精排 253
12.6 推薦系統的評價和優化 254
12.7 深度學習在推薦系統應用 255
12.8 本章小結 257
展開全部
智能搜索和推薦系統:原理、算法與應用:principle, algorithm and application 節選
推薦序一 2018年春天，我從西雅圖飛回闊別七年的北京，加入了一家互聯網電商公司。我們的團隊負責公司的搜索、推薦和智能客服業務。過去十多年間，隨著大規模云計算的普及和GPU的發展，各種機器學習算法得到了快速發展，成為各大互聯網公司促進業務增長的強勁引擎。不管是在學術界還是工業界，各種新算法層出不窮，但是是否能真正落地，真正地應用在商業場景中并帶來可觀收益，都需要很多的嘗試和摸索。 在這個新公司中，我結識了一批像劉宇和劉書斌這樣的新互聯網人，他們非常好學、務實、努力，并充滿熱情，都希望能夠利用新技術、新方法為公司帶來新的業務增長。不過一開始，尤其是在各種新算法、新論文博得大眾眼球的時候，很多人容易陷入一個誤區，就是過多使用*新的算法或者傾向于使用復雜的算法。實際上，深入了解業務場景，合理地收集和整理正確反映用戶行為和業務場景數據，是對算法提升*直接、*有效的手段。從如何把用戶的購買行為進行合理的歸因，到數據如何做歸一化，甚至如何處理一些細節的數值越界問題，都直接影響搜索和推薦算法的效果。我們只有把這些“小”問題處理好了，才有余力嘗試更加復雜的算法模型。 對于一個經營服裝家居的電商平臺來說，如何幫助用戶輸入合理的搜索詞并且在大量的產品當中快速找到滿意的產品，對用戶體驗和業務提升都是非常重要的。劉宇在自然語言處理和理解方面帶領團隊做了很多研究和開發工作，積累了很多經驗。我們經常在一起討論有關系統和算法的設計問題，應對各種挑戰和難點。在搜索和推薦系統中，我們不僅需要從產品角度定義用戶關注的產品屬性，還需要從用戶的角度挖掘對產品的分類和屬性的定義，還要合并、去重和分組，*后需要進行點擊率預測。在一系列的處理過程中，并不是用*復雜、*新的算法就可以解決問題的，而是需要尋找問題的關鍵步驟進行重點投入，對非關鍵問題簡化處理，或者在將來的迭代中再考慮優化。對于過于復雜的問題，我們還要考慮適當縮小問題的空間來降低解決問題的復雜度。當然，一個應用*終能夠正式運用到產品中，在工程實踐中還需要非常多的精雕細琢。 劉宇和幾位同事把過去幾年學習到的各種算法以及應用的經驗整理記錄下來，這對剛剛開始進入算法工作的工程研究人員會有很大幫助。如何在實際場景中應用這些知識，還需要每個人根據實際問題不斷探索。蘋果公司一直非常推崇創新和創意，但是它的創始人史蒂芬·喬布斯曾經表達過一種擔心—大家會以為只要有好的創新和好的創意，一個產品就成功了。實際上，從一個偉大的創意到一個偉大的產品需要我們不斷地修正思路，不斷地做出必要的取舍。在算法工程和工作中，我們也需要使用同樣的思路。一個*優的算法固然重要，但是真正的成功在于不斷實踐，投入足夠的精力和時間去解決那些看似不重要的周邊問題，并需要對問題做出必要的裁剪，通過快速迭代逐步遞進，從而給我們的工作帶來真正可觀的商業價值。 孫燕峰 Hulu技術總監 2020年11月于西雅圖 推薦序二 美國著名棒球運動員及教練尤吉·貝拉（Yogi Berra）有一句名言：“從理論上講，理論與實踐沒有區別；但是在實踐中，兩者是不一樣的。” 對于在互聯網公司的搜索、推薦、廣告等人工智能領域踐行的工程師來說，尤吉的這句話非常適用。一方面，這些領域的工作要求工程師在概率統計、應用數學、自然語言處理以及機器學習等方面具有扎實的基礎理論知識。另一方面，在這些領域中，如何將理論應用到工程實踐，解決搜索、推薦、廣告系統等實際問題，是工程師必須面對的挑戰。 今天，在市面上已經有一些關于智能系統的基礎理論書籍，在網絡上也有很多關于搜索、推薦、廣告開源系統及框架的文檔，但是鮮有能夠將基礎理論、智能系統的基本原理，以及實際應用都覆蓋到位的圖書。 本書作者結合自己在學校和工作中的理論學習以及實踐體會，將理論、原理和實踐有機地結合起來，用嚴謹的文字，深入淺出地闡述了自己的理論感悟與實踐心得，是一本值得收藏的好書。 黃彥林 前唯品會CTO
智能搜索和推薦系統:原理、算法與應用:principle, algorithm and application 作者簡介
劉宇 清華大學碩士，現就職于一家跨境電商公司，任技術總監，主要負責該公司搜索推薦業務以及廣告的相關技術開發。目前工作的重點是算法在搜索系統、推薦系統、對話系統等具體業務場景下的實際應用。對機器學習、深度學習、大數據應用與開發等頗有研究。合著有《聊天機器人：入門、進階與實戰》一書。 趙宏宇 本科畢業于東北大學；研究生畢業于RIT，主修AI方向。現就職于獵聘網，主要負責獵聘網推薦排序相關的工作。 劉書斌 本科畢業于東北大學，現就職于美團，資深系統開發工程師。曾在唯品會任職，主要負責搜索工程的架構設計與實現等相關工作，在ElasticSearch方面有豐富的工程實踐經驗。 孫明珠 碩士畢業于南京航空航天大學，現就職于獵聘網，擔任高級算法工程師，負責查詢理解、解析、擴展等NLP相關的工作。
書友推薦
- >
我與地壇
- >
回憶愛瑪儂
- >
隨園食單
- >
史學評論
- >
我從未如此眷戀人間
- >
姑媽的寶刀
- >
李白與唐代文化
- >
自卑與超越
本類暢銷
