推荐系统算法实践

作者简介 黄美灵 现任一线互联网公司的高级工程师，拥有多年大型互联网公司推荐 系统和机器学习实战经验，现从事广告推荐、应用分发和资讯Feeds流 推荐相关工作。 源代码下载、交流答疑请关注公众号加入QQ群 读者交流微信公众号 读者交流QQ群 RECOMMENDATIONALGORITHM 推荐系统算法实践 黄美灵 著 电子工业出版社 Publishing House of Electronics Industry 北京·BEIJING 出版发行：电子工业出版社 北京市海淀区万寿路173信箱 邮编：100036 开本：787×980 1/16 印张：22.25 字数：481.7千字 版次：2019年9月第1版 印次：2019年9月第1次印刷 定价：89.00元 凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若 书店售缺，请与本社发行部联系，联系及邮购电话：（010） 88254888,88258888。 质量投诉请发邮件至zlts@phei.com.cn，盗版侵权举报请发邮件至 dbqq@phei.com.cn。 本书咨询联系方式：010-51260888-819,faq@phei.com.cn。 前言 随着互联网行业的高速发展，人们获取信息的方式越来越多，从主 动获取信息逐渐变为被动接收信息，信息量也呈爆发式增长。因此，人 们已经从信息匮乏时代进入信息“过载”时代。人们对信息获取的有效性 和针对性的需求随之出现，推荐系统也应运而生。推荐系统就是互联网 时代的一种信息检索工具，推荐系统的任务就是连接用户和信息，创造 价值。 推荐系统从20世纪90年代开始出现，逐渐成为一门独立的学科，并 且在学术界和工业界应用中都取得了诸多成果。本书主要讲解目前学术 界和工业界的一些主流、常用的推荐方法和工具。 首先从基础开始，介绍数学基础、具体的推荐系统，以及常用的推 荐算法工具，包括目前主流的工具Sklearn、Spark MLlib、TensorFlow， 并且介绍效率提升工具Zeppelin Notebook和Jupyter Notebook。 随后讲解推荐系统中的召回算法，包括常见的协同过滤和Word2vec 两个算法，并且介绍这两个算法在Spark、TensorFlow主流工具中的实 现。 接着讲解推荐系统中的排序算法——线性模型，包括常见的逻辑回 归和 FM 两个算法，并且介绍这两个算法在Sklearn、Spark、TensorFlow 主流工具中的实现。 然后讲解推荐系统中的排序算法——树模型，包括常见的随机森 林、GBDT、GBDT+LR、集成学习算法以及最近出现的深度森林算 ......