鏈接：https://pan.baidu.com/s/1udBA0tA99dEQsf6UamUZMQ?pwd=long?

提取碼：long

本書從理論結(jié)合實踐編程來學(xué)習(xí)推薦系統(tǒng)。由淺入深，先基礎(chǔ)后進階，先理論后實踐，先主流后推導(dǎo)。 第1章較為簡單，僅初步帶領(lǐng)大家了解什么是推薦系統(tǒng)及推薦系統(tǒng)的簡史。第2章到第5章介紹的是主流的推薦算法及推薦算法的推導(dǎo)過程，這部分是本書的核心，每個算法都描述的非常詳細且有具體代碼幫助大家理解，深度學(xué)習(xí)的框架將采用PyTorch。第6章介紹的是商業(yè)及推薦系統(tǒng)的組成結(jié)構(gòu)，第7章系統(tǒng)地介紹了推薦系統(tǒng)的評估指標及方式。第8章則介紹整個推薦工程的生命周期。第6~8章可隨時抽取出來提前看。本書配套示例代碼及微課視頻，幫助讀者快速入門推薦算法及系統(tǒng)。 本書可作為高等院校、科研機構(gòu)或從事推薦系統(tǒng)工作的工程師的參考書籍，也可作為高年級本科生和研究生的學(xué)習(xí)參考書籍。

目錄

第1章推薦系統(tǒng)的初步了解（?28min）

1.1什么是推薦系統(tǒng)

1.2推薦系統(tǒng)的由來

1.2.1Tapestry

1.2.2GroupLens

1.3推薦系統(tǒng)的概況

1.4推薦算法的概況

參考文獻

第2章基礎(chǔ)推薦算法（?398min）

2.1協(xié)同過濾

2.2基礎(chǔ)近鄰指標

2.2.1CN相似度

2.2.2Jaccard相似度

2.2.3Cos相似度

2.2.4Pearson相似度

2.2.5Pearson相似度與Cos相似度之間的聯(lián)系

2.3基于近鄰的協(xié)同過濾算法

2.3.1UserCF

2.3.2行為相似與內(nèi)容相似的區(qū)別

2.3.3ItemCF

2.3.4實戰(zhàn)：?UserCF

2.3.5實戰(zhàn)：?ItemCF

2.3.6實戰(zhàn)：?標注為1~5的評分

2.4推薦模型評估：?入門篇

2.4.1廣義的準確率、精確率、召回率

2.4.2推薦系統(tǒng)的準確率、精確率、召回率

2.4.3推薦列表評測

2.4.4對近鄰協(xié)同過濾模型進行評測

2.5進階近鄰指標

2.5.1UserIIF與ItemIUF

2.5.2更高效地利用流行度定義近鄰指標

2.5.3自定義相似度指標的范式

2.6矩陣分解協(xié)同過濾算法

2.6.1SVD矩陣分解

2.6.2將SVD用作推薦

2.6.3LFM隱因子模型

2.6.4ALS代碼實現(xiàn)

2.6.5推薦模型評估：?MSE、RMSE、M...