类似推荐
编辑推荐
要构建一个实用的"智能”推荐系统，不仅需要有好的算法，还需要了解接收推荐的用户。
内容简介
本书分为两部分，第一部分侧重于基础架构，主要介绍推荐系统的工作原理，展示如何创建推荐系统，以及给应用程序增加推荐系统时，应该如何收集和应用数据 ；第二部分侧重于算法，介绍推荐系统算法，以及如何使用系统收集的数据来计算向用户推荐什么内容。
作者还教授了如何使用最流行的推荐算法，并剖析它们在Amazon和Netflix等网站上的实际应用。
作者简介
作者Kim Falk是一位数据科学家，他在构建数据驱动的应用程序方面有着丰富的经验。他对推荐系统和机器学习很感兴趣。
他所训练的推荐系统，为用户推荐合适的电影，为人们推送广告，甚至帮助律师找到判例法的内容。自 2010 年以来，他一直从事大数据解决方案和机器学习方面的工作。
章节目录
版权信息
内容简介
序
致谢
关于本书
关于作者
关于封面插图
第1部分 推荐系统的准备工作
什么是推荐
1.1 现实生活中的推荐
1.2 推荐系统的分类
1.3 机器学习与Netflix Prize
1.4 MovieGEEKs网站
1.5 构建一个推荐系统
小结
用户行为以及如何收集用户行为数据
2.1 在浏览网站时Netflix如何收集证据
2.2 寻找有用的用户行为
2.3 识别用户
2.4 从其他途径获取访客数据
2.5 收集器
2.6 系统中的用户是谁以及如何对其进行建模
小结
监控系统
3.1 为什么添加仪表盘是个好主意
3.2 执行分析
3.3 角色
3.4 MovieGEEKs仪表盘
小结
评分及其计算方法
4.1 用户-商品喜好
4.2 显式评分和隐式评分
4.3 重温显式评分
4.4 什么是隐式评分
4.5 计算隐式评分
4.6 如何计算隐式评分
4.7 低频商品更有价值
小结
非个性化推荐
5.1 什么是非个性化推荐
5.2 当没有数据的时候如何做推荐
5.3 榜单的实现以及推荐系统组件的准备工作
5.4 种子推荐
小结
冷用户（冷商品）
6.1 什么是冷启动
6.2 追踪访客
6.3 用算法来解决冷启动问题
6.4 那些不询问就很难被发现的人
6.5 使用关联规则快速进行推荐
小结
第2部分 推荐算法
找出用户之间和商品之间的相似之处
7.1 什么是相似度
7.2 基本的相似度函数
7.3 k-means聚类
7.4 实现相似度
小结
邻域协同过滤
8.1 协同过滤：一节历史课
8.2 推荐的计算
8.3 相似度的计算
8.4 Amazon预测物品相似度的算法
8.5 选择邻域的方法
8.6 找到正确的邻域
8.7 计算预测评分的方法
8.8 使用基于物品的过滤进行预测
8.9 冷启动问题
8.10 机器学习术语简介
8.11 MovieGeeks网站上的协同过滤
8.12 关联规则推荐和协同推荐之间有什么区别
8.13 用于协同过滤的工具
8.14 协同过滤的优缺点
小结
评估推荐系统
9.1 推荐系统的评估周期
9.2 为什么评估很重要
9.3 如何解释用户行为
9.4 测量什么
9.5 在实现推荐之前
9.6 评估的类型
9.7 离线评估
9.8 离线实验
9.9 在MovieGEEKs中实现这个实验
9.10 评估测试集
9.11 在线评估
9.12 利用exploit/explore持续测试
小结
基于内容的过滤
10.1 举例说明
10.2 什么是基于内容的过滤
10.3 内容分析器
10.4 从描述中提取元数据
10.5 使用TF-IDF查找重要单词
10.6 使用LDA进行主题建模
10.7 查找相似内容
10.8 如何创建用户配置文件
10.9 MovieGEEKs中基于内容的推荐
10.10 评估基于内容的推荐系统
10.11 基于内容过滤的优缺点
小结
用矩阵分解法寻找隐藏特征
11.1 有时减少数据量是好事
11.2 你想要解决的问题的例子
11.3 谈一点线性代数
11.4 使用SVD构造因子分解
11.5 使用Funk SVD构造因子分解
11.6 用Funk SVD进行推荐
11.7 MovieGEEKs中的Funk SVD实现
11.8 显式数据与隐式数据
11.9 评估
11.10 用于Funk SVD的参数
小结
运用最佳算法来实现混合推荐
12.1 混合推荐系统的困惑世界
12.2 单体
12.3 掺杂式混合推荐
12.4 集成推荐
12.5 特征加权线性叠加（FWLS）
12.6 实现
小结
排序和排序学习
13.1 Foursquare的排序学习例子
13.2 重新排序
13.3 什么是排序学习
13.4 贝叶斯个性化排序
13.5 BPR的实现
13.6 评估
13.7 用于BPR的参数
小结
推荐系统的未来
14.1 本书内容总结
14.2 接下来要学习的主题
14.3 推荐系统的未来是什么
14.4 最后的想法
实用推荐系统是2021年由电子工业出版社出版,作者[丹麦] Kim Falk。
得书感谢您对《实用推荐系统》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。
