這就是推薦系統-核心技術原理與企業應用 胡瀾濤 等 9787121454226 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202305*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：這就是推薦系統-核心技術原理與企業應用
ISBN：9787121454226
出版社：電子工業
著編譯者：胡瀾濤 等
叢書名：量子計算與人工智能前沿技術叢書
頁數：248
所在地：中國大陸 *此為代購商品
書號：1514227
可大量預訂，請先連絡。

內容簡介

推薦系統技術作為近年來非常熱門的AI技術，已廣泛應用於互聯網各行業，從衣食住行到娛樂消費，以及無處不在的廣告，背後都依賴推薦系統的決策。本書貼合工業級推薦系統，以推薦系統的整體技術框架為切入點，深入剖析推薦系統中的內容理解、用戶畫像、召回、排序、重排等核心模塊，介紹每個模塊的核心技術和業界應用，並展開介紹了推薦冷啟動、推薦偏差與消偏等常見問題和解決方案。此外，還對當前推薦系統領域的熱門前沿技術進行了介紹，包括強化學習、因果推斷、端上智能等。 本書既適合推薦系統、計算廣告及搜索領域的互聯網相關從業人員，也適合高等院校人工智能、計算機技術、軟體工程等專業的本科生、研究生及博士生，以及對推薦系統感興趣的愛好者等，可以幫助他們了解工業級推薦系統的基礎框架、核心技術和前沿發展。

作者簡介

易可欣，畢業於北京大學，先後在愛奇藝、快手擔任推薦演算法工程師，主要研究方向為召回策略與模型、數據挖掘、樣本優化等。

目錄

第1章 初識推薦系統
1 1 推薦系統大時代
1 1 1 推薦系統的定義
1 1 2 推薦系統的價值
1 1 3 推薦系統的天時地利
1 1 4 推薦系統架構概覽
1 2 推薦系統的核心模塊
1 2 1 內容理解：理解和刻畫推薦內容
1 2 2 用戶畫像：理解和刻畫用戶
1 2 3 召回：為用戶初篩內容
1 2 4 排序：為用戶精選內容
1 2 5 重排：從業務角度進行內容調整
1 2 6 推薦系統質量評估體系
總結
第2章 多模態時代的內容理解
2 1 內容標籤體系建設
2 1 1 標籤體系的作用
2 1 2 標籤體系設計和建設
2 1 3 標籤提取和生成
2 2 文本內容理解
2 2 1 文本分類
2 2 2 文本標籤提取
2 2 3 文本聚類
2 2 4 文本Embedding
2 2 5 知識圖譜
2 3 多模態內容理解
2 3 1 圖像分類
2 3 2 視頻分類
2 3 3 視頻多模態內容Embedding
2 4 內容理解在推薦系統中的應用
總結
第3章 比你更了解自己的用戶畫像
3 1 初識用戶畫像
3 1 1 什麼是用戶畫像
3 1 2 用戶畫像的作用
3 1 3 用戶畫像系統架構
3 2 用戶畫像標籤體系
3 2 1 用戶基礎屬性標籤
3 2 2 用戶社交屬性標籤
3 2 3 用戶行為屬性標籤
3 2 4 用戶興趣標籤
3 2 5 用戶分層標籤
3 2 6 其他常用維度標籤
3 3 用戶畫像標籤開發
3 3 1 標籤的基礎數據
3 3 2 標籤計算整體流程
3 3 3 規則類標籤
3 3 4 統計類標籤
3 3 5 模型類標籤
3 4 用戶畫像實踐案例
總結
第4章 包羅萬象的召迴環節
4 1 召回的基本邏輯和方法論
4 1 1 召回的重要性
4 1 2 召回與排序的區別
4 1 3 主要的召回策略與演算法
4 2 傳統召回策略
4 2 1 基於內容的召回
4 2 2 經典協同過濾召回
4 2 3 探索類召回
4 3 向量化模型召回
4 3 1 向量化模型召回原理
4 3 2 從KNN到ANN
4 3 3 經典向量化召回模型
4 4 基於用戶行為序列的召回
4 4 1 SASRec——經典行為序列召回模型
4 4 2 BERT4Rec與BST——NLP技術與用戶行為序列結合
4 4 3 MIND及其衍生——多興趣召回模型
4 4 4 超長序列召回——建模用戶全期興趣
4 5 圖Embedding在召回中的應用
4 5 1 圖Embedding技術
4 5 2 DeepWalk——經典圖Embedding方法
4 5 3 Node2Vec——DeepWalk更進一步
4 5 4 PinSAGE——GCN在推薦系統領域的工業化應用
4 5 5 MetaPath2Vec——異構圖Embedding方法
4 6 前瞻性召回策略與模型
4 6 1 TDM——模型與索引結合的藝術
4 6 2 對比學習——樣本的魔法
4 7 召回質量評估方法
4 7 1 召回評估方法概述
4 7 2 召回率、精確率、F1值——基準評估指標
4 7 3 HR、ARHR——TopN推薦評價指標
4 7 4 CG、DCG、nDCG——信息增益維度的評估指標
4 7 5 長尾覆蓋評估
總結
第5章 投你所好的排序環節
5 1 排序環節的意義和優化方向
5 1 1 排序環節的意義
5 1 2 排序環節的優化方向
5 2 從Embedding看排序模型的演進
5 2 1 什麼是Embedding
5 2 2 Embedding的產生過程
5 2 3 特徵組合在深度排序模型中的應用
5 2 4 用戶歷史行為建模在深度排序模型中的應用
5 2 5 超大規模Embedding在實際中的應用
5 3 推薦系統粗排階段及其發展歷程
5 3 1 粗排定位與技術路線選擇
5 3 2 粗排模型架構的演變
5 3 3 使用知識蒸餾增強粗排與精排的一致性
5 3 4 緩解樣本選擇偏差
5 3 5 粗排效果的評價
5 4 多目標排序建模
5 4 1 多目標排序建模的意義和挑戰
5 4 2 多目標排序建模方法概覽
5 4 3 多目標融合尋參
5 5 推薦系統排序階段的評估
5 5 1 排序評估的兩個階段
5 5 2 常用的效果評估指標
5 5 3 常用的系統評估指標
5 5 4 離線和線上效果的一致性問題
總結
第6章 權衡再三重排序
6 1 重排序的必要性和作用
6 2 重排模型
6 2 1 重排模型建模的出發點
6 2 2 序列重排模型
6 2 3 基於強化學習的重排模型
6 3 重排多樣性策略
6 3 1 重排多樣性的出發點
6 3 2 多樣性評估指標
6 3 3 規則多樣性打散
6 3 4 多樣性模型策略
6 4 重排中的業務規則
總結
第7章 如若初見冷啟動
7 1 推薦冷啟動的定義與挑戰
7 2 冷啟動一般解決思路
7 3 新用戶推薦冷啟動
7 3 1 新用戶召回策略
7 3 2 新用戶排序模型
7 3 3 新用戶重排策略
7 4 新物品分發冷啟動
7 4 1 新物品冷啟動召回策略
7 4 2 新物品冷啟動排序策略
7 4 3 新物品冷啟動流量分配機制
總結
第
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。