推薦系統-算法、案例與大模型 劉強 9787115639073 【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：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$635
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202403*若逾兩年請先於私訊洽詢存貨情況，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：推薦系統-算法、案例與大模型 ISBN：9787115639073 出版社：人民郵電 著編譯者：劉強 叢書名：圖靈原創 頁數：362 所在地：中國大陸 *此為代購商品 書號：1629503 可大量預訂，請先連絡。 內容簡介 互聯網上信息龐雜，信息生產者很難將合適的信息傳送至合適的用戶，同時用戶也很難從海量信息中獲取其感興趣的內容。推薦系統能夠將信息生產者和用戶鏈接起來，幫助平台解決需求和資源匹配的難題。本書覆蓋推薦系統在行業應用中涉及的召回演算法、排序演算法的原理和實現思路，以及特徵工程、冷啟動、效果評估、A/B測試、Web服務等核心工程知識，並包含金融、零售等行業的實施案例，另外也與時俱進地介紹了大模型及其在推薦系統中的應用。 本書適合推薦系統從業者、數智化轉型從業者及精細化運營從業者等閱讀。作者簡介 劉強，2009年畢業於中國科學技術大學有15年大數據與AI相關實踐經驗。出版過暢銷書《構建企業級推薦系統》，翻譯過《AI革命》《認識AI》《MongoDB性能調優實戰》等優秀作品。目前是杭州數卓信息技術有限公司CEO，公司業務方向為構建大模型推薦系統、大模型知識庫等，幫助企業利用大模型技術進行降本提效與精細化運營。同時，擔任達觀數據高級技術顧問，與達觀數據一同推動推薦系統及大模型技術在行業的落地。目錄 推薦系統基礎篇第1章 推薦系統基礎 1 1 推薦系統的定義 1 2 推薦系統解決的問題 1 3 推薦系統的應用領域 1 4 常用的推薦演算法 1 4 1 基於內容的推薦演算法 1 4 2 協同過濾演算法 1 5 構建推薦系統的挑戰 1 5 1 數據維度 1 5 2 模型維度 1 5 3 服務維度 1 5 4 場景維度 1 5 5 價值維度 1 6 推薦系統的價值 1 7 小結 第2章 推薦系統的產品與運營 2 1 推薦系統產品 2 2 推薦系統產品形態 2 2 1 熱門推薦榜單推薦 2 2 2 個性化推薦 2 2 3 信息流推薦 2 2 4 物品關聯推薦 2 3 推薦系統運營 2 4 小結 第3章 推薦系統的業務流程與架構 3 1 推薦演算法的業務流程 3 1 1 數據收集 3 1 2 ETL與特徵工程 3 1 3 模型構建 3 1 4 模型預測 3 1 5 Web服務 3 1 6 離線評估與在線評估 3 1 7 其他支撐模塊 3 2 推薦服務的pipeline架構 3 3 推薦系統的工程架構設計原則 3 4 小結 第4章 推薦系統的數據源與數據預處理 4 1 推薦系統的數據源 4 1 1 根據產品功能來劃分 4 1 2 根據數據載體來劃分 4 1 3 根據數據組織形式來劃分 4 2 數據預處理 4 2 1 抽取 4 2 2 轉換 4 2 3 載入 4 3 小結 第5章 推薦系統的特徵工程 5 1 推薦系統架構下的特徵工程 5 2 推薦系統的5類特徵 5 2 1 用戶畫像特徵 5 2 2 物品畫像特徵 5 2 3 用戶行為特徵 5 2 4 場景特徵 5 2 5 交叉特徵 5 3 推薦演算法與特徵工程 5 3 1 個性化推薦下的樣本與特徵 5 3 2 物品關聯推薦下的樣本與特徵 5 4 推薦系統特徵工程面臨的挑戰 5 4 1 異構數據 5 4 2 實時推薦 5 4 3 複雜場景下的推薦 5 4 4 用戶隱私與信息安全 5 5 小結 召回演算法篇 第6章 推薦系統的召回演算法 6 1 什麼是召回演算法 6 2 常用的召回演算法介紹 6 2 1 基於演算法複雜度分類 6 2 2 基於數據維度分類 6 2 3 基於演算法是否個性化分類 6 3 關於召回演算法的使用說明 6 3 1 別使用太複雜的召回演算法 6 3 2 使用多維度的召回演算法 6 3 3 基於業務策略進行召回 6 4 小結 第7章 基於規則和策略的召回演算法 7 1 熱門召回 7 2 基於物品標籤的召回 7 2 1 物品關聯召回 7 2 2 個性化召回 7 3 基於用戶畫像的召回 7 3 1 基於用戶自然屬性的召回 7 3 2 基於用戶社會屬性的召回 7 3 3 基於用戶業務屬性的召回 7 3 4 基於用戶設備屬性的召回 7 4 基於地域的召回 7 5 基於時間的召回 7 6 小結 第8章 基礎召回演算法 8 1 關聯規則召回演算法 8 2 聚類召回演算法 8 2 1 基於用戶聚類的召回 8 2 2 基於物品聚類的召回 8 3 樸素貝葉斯召回演算法 8 4 協同過濾召回演算法 8 4 1 基於用戶的協同過濾 8 4 2 基於物品的協同過濾 8 5 矩陣分解召回演算法 8 5 1 矩陣分解召回演算法的核心思想 8 5 2 矩陣分解召回演算法的實現原理 8 5 3 矩陣分解召回演算法的求解方法 8 6 小結 第9章 高階召回演算法 9 1 嵌入方法召回 9 1 1 word2vec原理介紹 9 1 2 item2vec原理介紹 9 1 3 item2vec在召回中的應用 9 2 深度學習召回 9 2 1 YouTube深度學習召回演算法原理 9 2 2 優化召回演算法的線上服務策略 9 3 小結 排序演算法篇 第10章 推薦系統的排序演算法 10 1 什麼是排序演算法 10 2 常用的排序演算法 10 2 1 基於規則和策略的排序演算法 10 2 2 基礎排序演算法 10 2 3 高階排序演算法 10 3 關於排序演算法的3點說明 10 3 1 是否一定要用排序演算法 10 3 2 粗排和精排 10 3 3 排序后的業務調控 10 4 小結 第11章 基於規則和策略的排序演算法 11 1 多種召回隨機打散 11 2 按照某種順序排列 11 3 召回得分歸一化排序 11 4 匹配用戶畫像排序 11 5 利用代理演算法排序 11 6 幾種策略的融合使用 11 7 小結 第12章 基礎排序演算法 12 1 logistic回歸排序演算法 12 1 1 logistic回歸的演算法原理 12 1 2 logistic回歸的特點 12 1 3 logistic回歸的工程實現 12 1 4 logistic回歸在業界的應用 12 2 FM排序演算法 12 2 1 FM的演算法原理 12 2 2 FM的參數估計 12 2 3 FM的計算複雜度 12 2 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
