编辑推荐
一本全面讲解图计算、知识图谱及其在推荐系统领域应用的专著。
内容简介
本书为读者基于神经网络构建推荐系统提供了详细指导，是作者在相关领域10余年经验的总结。
本书主要内容分为两篇。
第一篇，图数据以及图模型（第1-3章）：对图数据、图神经网络、知识图谱的基础知识进行了梳理，帮助读者掌握着3项技术的关键原理与算法，为后面的学习打下基础。
第二篇，推荐系统（第4-9章）：首先介绍了推荐系统的架构，包括逻辑架构、技术架构和数据建模，以及基于GNN的推荐系统架构；然后详细讲解了如何基于GNN构建推荐系统，以及基于图的推荐算法；再接着讲解了知识图谱在推荐系统中的应用以及相关的算法模型；最后，探讨了推荐系统领域当前的热点问题、研究方向以及工业级推荐系统领域的核心难题。
作者简介
作者刘宇，资深AI技术专家和搜索与推荐领域专家，曾在多家互联网公司担任资深算法专家、技术总监以及技术VP，现担任某创业公司CTO。在人工智能和信息检索领域有10余年开发经验，对主流的推荐、搜索、聊天机器人、大模型等技术、产品与解决方案都有深入研究，尤其擅长用简单高效的方法解决公司的数智化问题。
章节目录
版权信息
推荐序一
推荐序二
推荐序三
前言
第一篇 图数据与图模型
第1章 图数据基础
1.1 数学基础
1.2 图的基本知识
1.3 图的表示方法
1.4 图数据及图神经网络
1.5 本章小结
第2章 图神经网络基础
2.1 神经网络的基本知识
2.2 卷积神经网络
2.3 循环神经网络
2.4 图神经网络
2.5 本章小结
第3章 知识图谱基础
3.1 知识图谱的定义和模型
3.2 知识图谱上的神经网络
3.3 本章小结
第二篇 推荐系统
第4章 推荐系统架构
4.1 推荐系统的逻辑架构
4.2 推荐系统的技术架构
4.3 推荐系统的数据和模型部分
4.4 推荐系统的评估
4.5 基于GNN的推荐系统架构
4.6 本章小结
第5章 基于GNN的推荐系统构建基础
5.1 关于嵌入
5.2 Word2Vec
5.3 Item2Vec
5.4 图嵌入
5.5 本章小结
第6章 基于图的推荐算法
6.1 基于图的召回算法
6.2 基于图的排序算法
6.3 本章小结
第7章 知识图谱与推荐系统
7.1 利用图谱建模
7.2 图谱建模与物品推荐关联学习
7.3 物品增强学习
7.4 增强可解释性
7.5 本章小结
第8章 推荐系统的热点问题和研究方向
8.1 推荐系统的热点问题
8.2 推荐系统研究方向
8.3 本章小结
第9章 推荐系统实践
9.1 工业级系统架构
9.2 工业级推荐系统问题及解决办法
9.3 工业级推荐系统增长方案
9.4 本章小结
图计算与推荐系统是2023年由机械工业出版社出版,作者刘宇。
得书感谢您对《图计算与推荐系统》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。
