推薦系統(tǒng)實踐

推薦系統(tǒng)實踐讀書筆記模板01思維導(dǎo)圖讀書筆記目錄分析內(nèi)容摘要精彩摘錄作者介紹目錄0305020406思維導(dǎo)圖系統(tǒng)推薦推薦方法系統(tǒng)基礎(chǔ)作者用戶推薦系統(tǒng)信息算法數(shù)據(jù)問題第章標簽網(wǎng)絡(luò)平臺社交本書關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要本書從數(shù)據(jù)出發(fā)，一步步地介紹在得到什么數(shù)據(jù)的時候可以設(shè)計怎樣的推薦系統(tǒng)。面向廣大的推薦系統(tǒng)開發(fā)人員，以實戰(zhàn)為基礎(chǔ)，深入淺出地介紹每種推薦方法背后的理論基礎(chǔ)，著重討論每種算法的實現(xiàn)、在實際系統(tǒng)中的效果、方法的優(yōu)點、缺陷以及解決方法。本書的幾位作者是目前國內(nèi)推薦系統(tǒng)方面做得最好的技術(shù)人員。讀書筆記讀書筆記學(xué)習(xí)了，很多思想很受用，不止是算法可以看，策略產(chǎn)品也能有很多收獲！。深度還是夠的，但技術(shù)不太新。很系統(tǒng)，很詳盡，但最好是帶著一些推薦的疑問來讀，并反復(fù)推敲，才有可能最大化本書的價值。對于小白來說還是很值得看的，看這本書能對推薦系統(tǒng)有個大概的了解。在思想上能幫助入門者建立起一個具體的框架和知識體系，不算是0基礎(chǔ)入門書籍，起碼要懂得機器學(xué)習(xí)和線性代數(shù)的相關(guān)基礎(chǔ)知識才能完全看懂。12年的書，前瞻性十足。言簡意賅，深入淺出，通俗易懂。很多推薦算法思考方式，在文中都是一筆帶過，講解不深刻。介紹了個性化推薦的邏輯和算法，但是對于算法介紹的太粗略了，算法細節(jié)內(nèi)容就不懂了。17/74《推薦算法實踐》閱讀了快12小時結(jié)果好像就第一章和第七章看的明白一些其他章節(jié)的公式模型是真不容易看不過還是有收獲的對于陌生的領(lǐng)域多看多思考吧。精彩摘錄精彩摘錄好的推薦系統(tǒng)不僅僅能夠準確預(yù)測用戶的行為，而且能夠擴展用戶的視野，幫助用戶發(fā)現(xiàn)那些他們可能會感興趣，但卻不那么容易發(fā)現(xiàn)的東西。幾乎所有的推薦系統(tǒng)應(yīng)用都是由前臺的展示頁面、后臺的日志系統(tǒng)以及推薦算法系統(tǒng)3部分構(gòu)成的?；趨f(xié)同過濾（collaborativefiltering）的推薦。推薦系統(tǒng)的任務(wù)就是聯(lián)系用戶和信息，一方面幫助用戶發(fā)現(xiàn)對自己有價值的信息，另一方面讓信息能夠展現(xiàn)在對它感興趣的用戶面前，從而實現(xiàn)信息消費者和信息生產(chǎn)者的雙贏個性化推薦的成功應(yīng)用需要兩個條件。第一是存在信息過載，因為如果用戶可以很容易地從所有物品中找到喜歡的物品，就不需要個性化推薦了。第二是用戶大部分時候沒有特別明確的需求，因為用戶如果有明確的需求，可以直接通過搜索引擎找到感興趣的物品。在推薦系統(tǒng)中，主要有3種評測推薦效果的實驗方法，即離線實驗（offlineexperiment）、用戶調(diào)查（userstudy）和在線實驗（onlineexperiment）。如果推薦結(jié)果和用戶的歷史興趣不相似，但卻讓用戶覺得滿意，那么就可以說推薦結(jié)果的驚喜度很高，而推薦的新穎性僅僅取決于用戶是否聽說過這個推薦結(jié)果。目錄分析1.1什么是推薦系統(tǒng)1.3推薦系統(tǒng)評測1.2個性化推薦系統(tǒng)的應(yīng)用第1章好的推薦系統(tǒng)2.1用戶行為數(shù)據(jù)簡介2.2用戶行為分析2.3實驗設(shè)計和算法評測2.4基于鄰域的算法第2章利用用戶行為數(shù)據(jù)2.6基于圖的模型2.5隱語義模型第2章利用用戶行為數(shù)據(jù)3.1冷啟動問題簡介3.3選擇合適的物品啟動用戶的興趣3.2利用用戶注冊信息第3章推薦系統(tǒng)冷啟動問題3.5發(fā)揮專家的作用3.4利用物品的內(nèi)容信息第3章推薦系統(tǒng)冷啟動問題4.1UGC標簽系統(tǒng)的代表應(yīng)用4.2標簽系統(tǒng)中的推薦問題4.3基于標簽的推薦系統(tǒng)4.4給用戶推薦標簽4.5擴展閱讀12345第4章利用用戶標簽數(shù)據(jù)5.1時間上下文信息5.3擴展閱讀5.2地點上下文信息第5章利用上下文信息6.1獲取社交網(wǎng)絡(luò)數(shù)據(jù)的途徑6.2社交網(wǎng)絡(luò)數(shù)據(jù)簡介6.3基于社交網(wǎng)絡(luò)的推薦6.4給用戶推薦好友6.5擴展閱讀12345第6章利用社交網(wǎng)絡(luò)數(shù)據(jù)7.2推薦系統(tǒng)架構(gòu)7.1外圍架構(gòu)第7章推薦系統(tǒng)實例7.4擴展閱讀7.3推薦引擎的架構(gòu)第7章推薦系統(tǒng)實例8.2評分預(yù)測算法8.1離線實驗方法第8章評分預(yù)測問題——最前沿的IT類電子書發(fā)售