编辑推荐
零基础掌握搜索和推荐系统的原理、架构、算法。
内容简介
本书将搜索、推荐和广告的核心技术进行了完美统一，介绍了搜索和推荐方面的相关知识，并把自然语言处理、机器学习和深度学习的一些知识点应用到搜索和推荐场景，分为4大部分。
第一部分（第1~3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。
第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。
第三部分（第7~9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。
第四部分（第10~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。
作者简介
章节目录
版权信息
推荐序一
推荐序二
前言
第一部分 搜索和推荐系统的基础
第1章 概率统计与应用数学基础知识
1.1 概率论基础
1.2 线性代数基础
1.3 机器学习基础
1.4 本章小结
第2章 搜索系统和推荐系统常识
2.1 搜索系统
2.2 推荐系统
2.3 搜索与推荐的区别
2.4 本章小结
第3章 知识图谱相关理论
3.1 知识图谱概述
3.2 信息抽取
3.3 知识融合
3.4 知识加工
3.5 本章小结
第二部分 搜索系统的基本原理
第4章 搜索系统框架及原理
4.1 搜索系统的框架
4.2 数据收集及预处理
4.3 文本分析
4.4 基于知识图谱的搜索系统
4.5 本章小结
第5章 搜索系统中的主要算法
5.1 信息检索基本模型
5.2 搜索和机器学习
5.3 搜索和深度学习
5.4 本章小结
第6章 搜索系统评价
6.1 搜索系统评价的意义
6.2 搜索系统的评价体系
6.3 本章小结
第三部分 推荐系统的基本原理
第7章 推荐系统框架及原理
7.1 推荐系统的框架及运行
7.2 推荐系统的冷启动
7.3 推荐系统的召回策略
7.4 推荐系统排序
7.5 基于知识图谱的推荐系统
7.6 本章小结
第8章 推荐系统的主要算法
8.1 矩阵分解
8.2 线性模型
8.3 树模型
8.4 深度学习模型
8.5 本章小结
第9章 推荐系统的评价
9.1 推荐评估的目的
9.2 推荐系统的评价指标
9.3 推荐系统的评估实验方法
9.4 本章小结
第四部分 应用
第10章 搜索引擎工具
10.1 Lucene简介
10.2 Solr简介
10.3 Elasticsearch简介
10.4 搜索引擎工具对比
10.5 本章小结
第11章 搜索应用实战：基于电商的搜索开发
11.1 电商搜索系统的架构设计
11.2 ES在搜索系统中的应用
11.3 NLP在搜索系统中的应用
11.4 商品数据排序算法研究
11.5 搜索排序的评价及优化
11.6 深度学习在搜索系统中的应用
11.7 电商搜索系统中的SEM
11.8 本章小结
第12章 推荐应用实战：基于广告平台的推荐
12.1 推荐系统的架构设计
12.2 推荐系统的召回和冷启动
12.3 ES在推荐系统中的应用
12.4 推荐系统中NLP的应用
12.5 推荐系统中粗排和精排
12.6 推荐系统的评价和优化
12.7 深度学习在推荐系统应用
12.8 本章小结
智能搜索和推荐系统：原理、算法与应用是2021年由机械工业出版社华章分社出版,作者刘宇。
得书感谢您对《智能搜索和推荐系统：原理、算法与应用》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。
