
作者:项亮
页数:197
出版社:人民邮电出版社
出版日期:2012
ISBN:9787115281586
电子书格式:pdf/epub/txt
内容简介
随着信息技术和互联网的发展,人们逐渐从信息匮乏的时代走入了信息过载(information
overload)的时代。在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战:对于信息消费者,从大量信息中找到自己感兴趣的信息是一件非常困难的事情;对于信息生产者,让自己生产的信息脱颖而出,受到广大用户的关注,也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己有价值的信息,另一方面让信息能够展现在对它感兴趣的用户面前,从而实现信息消费者和信息生产者的双赢。
作者简介
项亮
毕业于中国科学技术大学和中国科学院自动化所,研究方向为机器学习和推荐系统,现任职于北京Hulu软件技术开发有限公司,从事视频推荐的研究和开发。2009年参加Netflix
Prize推荐系统比赛获得团体第二名,且于当年参与创建了Resys China推荐系统社区。
相关资料
“工程师大都喜欢‘in action’型的书籍,但这并非‘又一本’工具型的‘in
action’读物,透过它你将涉足现代互联网公司孜孜以求的用户核心价值所在——个性化服务。也许一次全新的旅程就从这里开始。”
——阿稳,豆瓣资深算法工程师
“作者结合了多年的推荐系统理论研究和在hulu的具体实践经验,汲取精华并以深入浅出的方式展示给读者。无论是对于刚入门的新手还是推荐领域的老兵,这本书都是不可多得的必备参考,在此我诚挚地向大家推荐它。”
——郑华, hulu资深软件开发主管
“2009年8月,我和项亮一起发起了 resys china——一个面向推荐系统领域的专业社区。在组织
resys china
业内分享活动的过程中,我们迫切感受到,出版《推荐系统实践》这样一本传授实战经验的书籍,对推动这个领域的发展是多么必要。项亮作为国内推荐系统领域一位理论与实践并重的专家,把最具实用价值的推荐技术进行了系统整理,深入浅出地呈现到读者面前。作为一本主要面向业内人员的技术书籍,这点尤其难能可贵。个性化推荐技术是最具人文关怀的技术之一,它尊重个体,相信每个人都是与众不同的,在这个以‘人’为中心的社会化时代,它的兴起与发扬光大只是时间问题。我与项亮相识,是因为对推荐技术的热爱,希望借助此书,可以让更多的人成为朋友。”
——谷文栋,个性化推荐社区resys china发起人
“从大家经常使用的相关搜索、话题推荐、电子商务的各种产品推荐,到社交网络上的交友推荐等,推荐系统在今天互联网的产品和应用中被广泛采用。但是,至今还没有一本书系统地从理论上对此进行分析和论述。《推荐系统实践》恰恰弥补了这个空白。”
——吴军,腾讯副总裁,《数学之美》和《浪潮之巅》作者
本书特色
相关领域专家的研究经验和实战经验
总结当今互联网领域中和推荐有关的产品和服务
Web 2.0时代的必读著作
以实战为基础,理论和实践并重,适合不同层次的读者。
《数学之美》作者吴军等强力推荐
“工程师大都喜欢’In Action’型的书籍,但这并非’又一本’工具型的’In Action’读物,透过它你将涉足现代互联网公司孜孜以求的用户核心价值所在——个性化服务。也许一次全新的旅程就从这里开始。”
——阿稳,豆瓣算法工程师
“作者结合了多年的推荐系统理论研究和在Hulu的具体实践经验,汲取精华并以深入浅出的方式展示给读者。无论是对于刚入门的新手还是推荐领域的老兵,这本书都是不可多得的参考,在此我诚挚地向大家推荐它。”
——郑华, Hulu软件开发主管
“2009年8月,我和项亮一起发起了 Resys China——一个面向推荐系统领域的专业社区。在组织 Resys China 业内分享活动的过程中,我们迫切感受到,出版《推荐系统实践》这样一本传授实战经验的书籍,对推动这个领域的发展是多么必要。项亮作为国内推荐系统领域一位理论与实践并重的专家,把具实用价值的推荐技术进行了系统整理,深入浅出地呈现到读者面前。作为一本主要面向业内人员的技术书籍,这点尤其难能可贵。个性化推荐技术是具人文关怀的技术之一,它尊重个体,相信每个人都是与众不同的,在这个以’人’为中心的社会化时代,它的兴起与发扬光大只是时间问题。我与项亮相识,是因为对推荐技术的热爱,希望借助此书,可以让更多的人成为朋友。”
——谷文栋,个性化推荐社区Resys China发起人
“从大家经常使用的相关搜索、话题推荐、电子商务的各种产品推荐,到社交网络上的交友推荐等,推荐系统在今天互联网的产品和应用中被广泛采用。但是,至今还没有一本书系统地从理论上对此进行分析和论述。《推荐系统实践》恰恰弥补了这个空白。”
——吴军,腾讯副总裁,《数学之美》和《浪潮之巅》作者
目录
1.1 什么是推荐系统
1.2 个性化推荐系统的应用
1.2.1 电子商务
1.2.2 电影和视频网站
1.2.3 个性化音乐网络电台
1.2.4 社交网络
1.2.5 个性化阅读
1.2.6 基于位置的服务
1.2.7 个性化邮件
1.2.8 个性化广告
1.3 推荐系统评测
1.3.1 推荐系统实验方法
1.3.2 评测指标
1.3.3 评测维度















