大模型智能推薦系統-技術解析與開發實踐 梁志遠 韓曉晨 9787302685654 【台灣高等教育出版社】

圖書均為代購,正常情形下,訂後約兩周可抵台。
物品所在地:中國大陸
原出版社:清華大學
大陸簡體正版圖書,訂購後正常情形下約兩周可抵台。
NT$820
商品編號: 9787302685654
供貨狀況: 尚有庫存

此商品參與的優惠活動

加入最愛
商品介紹
*書籍均為代購,我們向大陸付款發訂後即無法取消,為避免造成不必要的損失,
下訂前請慎重考慮!下訂前請慎重考慮!謝謝。

*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:202504*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:大模型智能推薦系統-技術解析與開發實踐
ISBN:9787302685654
出版社:清華大學
著編譯者:梁志遠 韓曉晨
頁數:385
所在地:中國大陸 *此為代購商品
書號:1718923
可大量預訂,請先連絡。

內容簡介

本書系統闡述大語言模型與推薦系統深度融合的創新實踐,涵蓋技術原理、開發方法及實戰案例。本書分為4部分,共12章,涉及推薦系統的多個關鍵模塊,包括技術框架、數據處理、特徵工程、嵌入生成、排序優化及推薦結果評估。重點解析大語言模型在冷啟動問題、長尾內容優化和個性化推薦等領域的核心技術,通過深度剖析上下文學習、Prompt工程及分散式部署等方法,展示如何利用大語言模型提高推薦精度和用戶體驗。同時,通過實戰項目的解析,助力讀者掌握高效智能推薦系統從開發到部署的全流程。本書還引用了Hugging Face的Transformer庫、ONNX優化工具以及分散式推理框架等先進技術,為構建工業級推薦系統築牢堅實基礎。 本書注重理論與實踐的結合,尤其適合希望將推薦技術應用於業務場景的開發者與研究人員閱讀。

作者簡介

梁志遠 畢業於北京航空航天大學。長期從事人工智能、大語言模型的開發,專註于深度學習、自然語言處理、數據分析與智能決策等領域。主持或參与過多項科研項目,涵蓋模型訓練優化、知識蒸餾、自動推理與多模態學習等方面。致力於推動人工智能技術在工業應用、智能交互與數據驅動中的實踐與發展。

目錄

第1部分 理論基礎與技術框架
第1章 大語言模型推薦系統的技術框架
1 1 基本技術詳解
1 1 1 Transformer架構基礎
1 1 2 注意力機制
1 1 3 大規模向量檢索技術
1 1 4 Prompt工程與上下文學習技術
1 1 5 計算性能優化與并行訓練技術
1 2 大語言模型推薦系統的核心模塊
1 2 1 嵌入生成與用戶畫像建模
1 2 2 嵌入生成模塊
1 2 3 召回模塊
1 2 4 排序模塊
1 2 5 實時推薦與上下文處理模塊
1 3 推薦系統的關鍵挑戰與解決技術
1 3 1 數據稀疏性問題
1 3 2 高併發環境詳解
1 4 本章小結
1 5 思考題
第2章 數據處理與特徵工程
2 1 數據清洗與標準化
2 1 1 異構數據格式標準化處理
2 1 2 數據雜訊過濾與異常檢測
2 2 用戶畫像與物品畫像的構建
2 2 1 用戶興趣特徵生成
2 2 2 基於嵌入向量的物品特徵提取
2 3 特徵交互與場景特徵生成
2 3 1 特徵交叉組合實現
2 3 2 領域知識的上下文特徵增強
2 4 本章小結
2 5 思考題
第2部分 核心技術解析
第3章 嵌入技術在推薦系統中的應用
3 1 用戶行為嵌入生成技術
3 1 1 基於大語言模型的用戶行為編碼
3 1 2 時間序列特徵的嵌入優化
3 2 多模態數據嵌入技術
3 2 1 文本、圖像與視頻嵌入的融合方法
3 2 2 基於CLIP模型的多模態特徵聯合嵌入
3 3 嵌入向量的存儲與檢索優化
3 3 1 使用Faiss進行高效向量檢索
3 3 2 向量檢索優化
3 3 3 文本嵌入向量生成
3 4 自監督嵌入學習方法
3 4 1 自監督學習基本原理
3 4 2 基於對比學習的嵌入生成
3 5 本章小結

第3部分 模型優化與進階技術
第4部分 實戰與部署
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。
規格說明
大陸簡體正版圖書,訂購後正常情形下約兩周可抵台。
運送方式
已加入購物車
已更新購物車
網路異常,請重新整理