本书围绕大数据流处理领域，介绍FlinkDataStreamAPI、时间和窗口、状态和检查点、TableAPI&SQL等知识。书中以实践为导向，使用大量真实业务场景案例来演示如...
电子书
内容简介
本书系统介绍推荐系统的技术理论和实践。首先介绍推荐系统的基础知识；然后介绍推荐系统常用的机器学习和深度学习模型；接着重点介绍推荐系统的4层级联架构，包括召回、粗排、精排和重排，以及谷歌、阿里巴巴等大型互联网公司在4层级联架构中的模型设计和实现原理；紧接其后介绍多目标排序在推荐系统中的应用，具体介绍阿里巴巴、谷歌等大型互联网公司的实践；最后从不同角度审视推荐系统，介绍公平性问题、知识蒸馏、冷启动等各种前沿实践。本书基于一线研发人员的视角向读者分享推荐系统的实践经验，所有模型结构和前沿实践都在业务场景中落地。 本书适合推荐系统领域的从业者、高校科研人员、高校计算机专业学生，以及对推荐系统感兴趣的产品研发人员和运营人员阅读。
章节目录
- 扉页
- 前言
- 资源与支持
- 关于异步社区和异步图书
- 目录
- 第1章 推荐系统简介
- 1.1什么是推荐系统
- 1.2推荐系统的作用和意义
- 1.3推荐系统的技术架构
- 1.4推荐系统的召回阶段
- 1.5推荐系统的粗排阶段
- 1.6推荐系统的精排阶段
- 1.7推荐系统的重排阶段
- 1.8小结
- 第2章推荐系统算法基础
- 2.1LR—应用极广的机器学习模型
- 2.1.1 LR 的数学原理
- 2.1.2 LR 的训练方法
- 2.1.3 LR 的训练优化
- 2.1.4 LR 的优势和局限性
- 2.2 MLP—极简单的深度学习模型
- 2.2.1 MLP 的模型结构
- 2.2.2 MLP 的训练方法
- 2.2.3 MLP 的优势和局限性
- 2.3机器学习常用的优化算法
- 2.3.1 随机梯度下降法
- 2.3.2 小批量随机梯度下降法
- 2.3.3 FTRL 在线学习算法
- 2.4深度学习常用的优化算法
- 2.4.1 深度学习的优化挑战
- 2.4.2 AdaGrad 算法
- 2.4.3 RMSProp 算法
- 2.4.4 AdaDelta算法
- 2.4.5 Adam 算法
- 2.5深度学习常用的激活函数
- 2.5.1 引入激活函数的目的
- 2.5.2 sigmoid激活函数
- 2.5.3 ReLU 激活函数
- 2.5.4 Leaky ReLU激活函数
- 2.5.5 PReLU激活函数
- 2.5.6 阿里巴巴的Dice激活函数
- 2.5.7 RReLU激活函数
- 2.6欠拟合和过拟合
- 2.6.1 欠拟合和过拟合的原因与解决方案
- 2.6.2 处理欠拟合的特定技术
- 2.6.3 处理过拟合的特定技术
- 2.7深度学习中模型参数的初始化
- 2.7.1 权重和超参数的初始化
- 2.7.2 权重初始化案例—连续点击概率模型
- 2.8小结
- 第3章 召回技术演进
- 3.1召回层的作用和意义
- 3.2召回模型的演进
- 3.3传统召回算法
- 3.3.1 基于协同过滤的召回算法
- 3.3.2 基于矩阵分解的召回算法
- 3.3.3 传统召回算法小结
- 3.4Embedding模型化召回的基本框架
- 3.4.1 Embedding 的产生
- 3.4.2 Embedding 的发展
- 3.4.3 基于Embedding的召回框架
- 3.5基于内容语义的i2i 召回
- 3.5.1 物品Embedding生成
- 3.5.2 Word2vec—经典的词向量方法
- 3.5.3 FastText—字符级别 n-gram 方法
- 3.5.4 BERT—动态词向量方法
- 3.5.5 语言模型扩展为序列模型
- 3.5.6 内容语义召回小结
- 3.6基于 Graph Embedding的 i2i 召回
- 3.6.1 DeepWalk—随机游走图表征
- 3.6.2 EGES—阿里巴巴的 Graph Embedding方法
- 3.6.3 Node2vec—优化图结构的 Graph Embedding 方法
- 3.6.4 GCN—基于谱域的图神经网络
- 3.6.5 GraphSAGE—基于空间域的图神经网络
- 3.6.6 Graph Embedding小结
- 3.7基于深度学习的u2i 召回
- 3.7.1 DSSM—经典的双塔模型
- 3.7.2 YouTube 的深度学习召回算法
- 3.7.3 基于用户长短兴趣的 Embedding 召回
- 3.7.4 深度学习u2i 召回小结
- 3.8小结
- 第4章 粗排技术演进
- 4.1粗排的发展
- 4.2粗排的前深度学习时代
- 4.3粗排的深度学习时代
- 4.3.1 向量内积模型
- 4.3.2 向量版WDL模型—向量内积模型的改进
- 4.4粗排的最新进展
- 4.4.1 阿里巴巴的粗排模型 COLD
- 4.4.2 知识蒸馏
- 4.5粗排的未来展望
- 4.6小结
- 第5章 精排技术演进
- 5.1精排模型的演化关系
- 5.2传统机器学习推荐模型
- 5.2.1 FM 模型—稀疏数据下的特征交叉
- 5.2.2 FFM—特征域感知FM 模型
- 5.2.3 GBDT+LR—Facebook的特征交叉模型
- 5.2.4 MLR—阿里巴巴的经典CTR 预估模型
- 5.3精排的深度学习时代
- 5.3.1 WDL—谷歌的经典CTR 预估模型
- 5.3.2 DCN—深度交叉网络
- 5.3.3 DCN-v2—谷歌的改进版DCN模型
- 5.3.4 DIN—基于注意力机制的用户动态兴趣表达
- 5.3.5 DIEN—使用序列模型对用户兴趣建模
- 5.3.6 BST—使用 Transformer 对用户行为序列建模
- 5.3.7 DSIN—基于会话的兴趣演化模型
- 5.3.8 MIMN—多通道用户兴趣网络
- 5.3.9 SIM—基于搜索的超长用户行为序列建模
- 5.3.10 CAN—特征交叉新路线
- 5.4小结
- 第6章 重排技术演进
- 6.1重排的作用
- 6.2基于规则的多样性重排
- 6.3基于行列式点过程的重排
- 6.4深度学习在重排中的应用
- 6.5强化学习在重排中的应用
- 6.6小结
- 第7章多目标排序在推荐系统中的应用
- 7.1推荐系统的优化目标
- 7.2多目标排序模型的演化关系
- 7.3通过样本权重进行多目标优化
- 7.4多目标排序模型
- 7.4.1 共享底层参数的多塔结构
- 7.4.2 MOE—替换共享底层参数的门控网络
- 7.4.3 MMOE—改进MOE 的多门混合专家系统
- 7.4.4 PLE—改进 MMOE 解决“跷跷板”现象
- 7.4.5 ESMM—根据目标依赖关系建模
- 7.4.6 ESM—改进 ESMM 解决数据稀疏性问题
- 7.4.7 DBMTL—用贝叶斯网络对目标依赖关系建模
- 7.5多目标融合优化
- 7.5.1 基于UWL 联合概率分布的多目标融合
- 7.5.2 帕累托多目标融合
- 7.6多目标模型训练方式
- 7.6.1 联合训练
- 7.6.2 交替训练
- 7.7小结
- 第8章 推荐系统的前沿实践
- 8.1推荐系统的应用场景
- 8.2推荐系统的公平性问题
- 8.2.1 公平性策略—消除位置偏置和资源曝光偏置
- 8.2.2 YouTube 消除位置偏置实践
- 8.2.3 华为消除位置偏置实践—PAL模型
- 8.2.4 360 消除用户组偏差实践—语料采样
- 8.2.5 360 多场景融合实践—偏置建模消除用户组偏差
- 8.2.6 360 实践—PID建模消除资源曝光偏置
- 8.3多场景融合实践
- 8.3.1 360 多场景融合实践—将场景信息作为特征加入模型
- 8.3.2 360 多场景融合实践—多塔结构学习各个场景
- 8.3.3 阿里巴巴多场景融合实践—STAR 模型多场景融合
- 8.4知识蒸馏在推荐系统中的应用
- 8.4.1 知识蒸馏的背景
- 8.4.2 阿里巴巴广告知识蒸馏实践
- 8.4.3 阿里巴巴淘宝推荐知识蒸馏实践
- 8.4.4 爱奇艺知识蒸馏实践
- 8.5推荐系统的冷启动问题
- 8.5.1 基于规则的冷启动过程
- 8.5.2 引入辅助信息优化Embedding冷启动
- 8.5.3 元学习优化 Embedding 冷启动
- 8.6深度学习模型的特征选择
- 8.6.1 基于L2 的特征选择
- 8.6.2 基于SE Block的特征选择
- 8.7推荐系统的其他问题
- 8.7.1 基于 Look-alike 解决推荐系统长尾问题
- 8.7.2 正负样本不平衡实践—Focal loss
- 8.7.3 深度学习推荐系统的预训练实践
- 8.8小结
展开全部
推荐系统技术原理与实践是2023年由人民邮电出版社出版,作者文亮 著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《推荐系统技术原理与实践》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。
电子书
本书围绕大数据流处理领域，介绍FlinkDataStreamAPI、时间和窗口、状态和检查点、TableAPI&SQL等知识。书中以实践为导向，使用大量真实业务场景案例来演示如...
电子书
本书共14章，主要讲解游戏引擎中的动画、渲染、多线程等高级技术。书中的主要内容包括骨骼蒙皮模型与动画基础，动画播放和插槽，动画混合，变形动画混合，逆向动力学(IK)与角色，光照...
电子书
本书对边缘计算的发展历史与趋势、几种典型的边缘计算技术的基本架构与原理进行了阐述，并对边缘计算涉及的关键技术与最新进展、部署方案、应用场景与实践进行了详细讲解。本书涉及的内容广...
电子书
本书系统地讲解了云计算的知识框架，包括云计算的三大认识角度（商业模式、计算范式、实现方式）、四个关键技术（计算、存储、网络、安全）、四种开发运维维度（云原生应用、云操作系统、云...
电子书
本书主要介绍了云存储的起源、概念及特点，文件系统、块存储系统和对象存储系统的原理和使用场景，Swift云存储系统的原理、特性及架构，Swift云存储系统的搭建和维护，Swift...
电子书
本书是深度学习领域的入门教材，全面阐述了深度学习的知识体系，涵盖人工智能的基础知识以及深度学习的基本原理、模型、方法和实践案例，使读者掌握深度学习的相关知识，提高以深度学习方法...