编辑推荐
一套基于业务场景的个性化精准推荐系统解决方案。
内容简介
本书基于推荐算法工程师实际工作场景规划内容，融合了作者在阿里巴巴、58同城等多家大厂做推荐系统设计和优化的经验，是一本方法和实践兼具的好书。
本书不针对零基础从业者，而是以帮助初级算法工程师向中高级进阶为目标。书中从底层剖析推荐系统在实际业务场景中可能出现的各种问题，直指问题的本质，并按照推荐系统工作流程逐一破解。
作者简介
作者唐楠烊，资深算法工程师，精通推荐算法和NLP算法。曾就职于阿里巴巴、58同城等多家知名互联网公司，专门从事推荐系统和NLP算法相关工作。具有多年的算法经验，在推荐系统的全链路优化和NLP对话业务方面经验尤其丰富。
知乎作者、Github资深玩家，专注于推荐算法和NLP相关内容分享。在Github上有多个项目，最高获得100多颗星；在知乎上发表数十篇技术文章，总阅读量近百万。
章节目录
版权信息
PREFACE 前言
CHAPTER1 第1章 什么是推荐系统
1.1 深度理解推荐系统
1.2 企业在构建推荐系统时会面临哪些问题
1.3 4类主流推荐系统构建点拨
1.4 推荐系统怎么拉活促销
1.5 架构和模型在推荐系统落地中的作用
CHAPTER2 第2章 推荐系统架构
2.1 推荐系统架构概述
2.2 召回层概述
2.3 粗排层概述
2.4 精排层概述
2.5 重排层概述
2.6 冷启动环节
CHAPTER3 第3章 构建推荐系统的特征
3.1 怎么收集数据
3.2 怎么清洗数据
3.3 怎么处理连续特征
3.4 怎么处理离散特征
CHAPTER4 第4章 为推荐系统选择评价指标
4.1 不同业务的线上指标
4.2 精排层应该选择什么评价指标
4.3 召回层应该选择什么评价指标
4.4 重排层应该选择什么评价指标
4.5 怎么设计合理的AB实验
CHAPTER5 第5章 机器学习模型调参
5.1 决策树调参
5.2 随机森林调参
5.3 XGBoost调参
5.4 LightGBM调参
5.5 全局优化调参
5.6 利用集成学习提高推荐效果
CHAPTER6 第6章 神经网络模型调参
6.1 怎么对DNN调参
6.2 怎么为神经网络选择优化器
6.3 怎么为神经网络选择损失函数
6.4 怎么解决神经网络的拟合问题
CHAPTER7 第7章 个性化召回层样本选择和模型选择
7.1 协同过滤召回
7.2 双塔召回
7.3 Word2vec在召回中的应用
7.4 基于图网络的召回
7.5 基于树网络的召回
CHAPTER8 第8章 精排层的样本选择和模型选择
8.1 传统DNN建模
8.2 交叉模型
8.3 偏置问题
8.4 模型可解释性
8.5 因果场景
8.6 序列建模
8.7 多目标建模
CHAPTER9 第9章 粗排层的样本选择和模型选择
9.1 蒸馏
9.2 工程优化
CHAPTER10 第10章 重排层的设计与实现
10.1 精排数据分析
10.2 模型重排
10.3 混排
CHAPTER11 第11章 冷启动环节的设计与实现
11.1 用户冷启动
11.2 物料冷启动
11.3 PID算法
推荐系统全链路设计：原理解读与业务实践是2024年由机械工业出版社出版,作者唐楠烊。
得书感谢您对《推荐系统全链路设计：原理解读与业务实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
