实用推荐系统-网络科技-文化科教-太极之巅书单号

书刊介绍

《实用推荐系统》内容简介

本书要构建一个实用的“智能”推荐系统，不仅需要有好的算法，还需要了解接收推荐的用户。本书分为两部分，第一部分侧重于基础架构，主要介绍推荐系统的工作原理，展示如何创建推荐系统，以及给应用程序增加推荐系统时，应该如何收集和应用数据；第二部分侧重于算法，介绍推荐系统的算法，以及如何使用系统收集的数据来计算向用户推荐什么内容。作者还讲述了如何使用最流行的推荐算法，并剖析它们在Amazon和Netflix等网站上的实际应用。
《实用推荐系统》适合对推荐系统感兴趣的开发人员阅读，从事数据科学行业的读者也能从书中获得启发。
金·福尔克（Kim Falk）是一位数据科学家，他在构建数据驱动的应用程序方面有着丰富的经验。他对推荐系统和机器学习很感兴趣。他所训练的推荐系统，为用户推荐合适的电影，为人们推送广告，甚至帮助律师找到判例法的内容。自2010年以来，他一直从事大数据解决方案和机器学习方面的工作。Kim经常参与有关推荐系统的演讲和写作。
当Kim不工作的时候，他就是一个居家男人，是一位父亲，会带着他的德国短毛指示犬进行越野跑。

作品目录

序
致谢
关于本书
关于作者
关于封面插图
第1部分
推荐系统的准备工作
什么是推荐
用户行为以及如何收集用户行为数据
监控系统
评分及其计算方法
非个性化推荐
冷用户（冷商品）
第2部分
推荐算法
找出用户之间和商品之间的相似之处
邻域协同过滤
评估推荐系统
基于内容的过滤
用矩阵分解法寻找隐藏特征
运用最佳算法来实现混合推荐
排序和排序学习
推荐系统的未来