网-免费网络营销推广方法培训免费教程
关注公众号:sumedu
领取1000个项目+500G干货

添加商梦网校创始人微信:yihengu

备注:t88,免费领取价值3800元内部课程

商梦网校 > 网络营销十万个为什么 > 网络营销资源 >

关注公众号:sumedu

领取1000个项目+500G干货

添加创始人微信:yihengu

备注:t88,免费领取内部课程

《推荐系统实践》项亮著完整PDF版电子书免费下载

       投稿用户:读者投稿/ 打印

推荐理由
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

内容简介
《推荐系统实践》通过大量代码和图表全面系统地阐述了和推荐系统有关的理论基础,介绍了评价推荐系统优劣的各种标准(比如覆盖率、满意度)和方法(比如AB测试),总结了当今互联网领域中各种和推荐有关的产品和服务。另外,本书为有兴趣开发推荐系统的读者给出了设计和实现推荐系统的方法与技巧,并解答了在真实场景中应用推荐技术时最常遇到的一些问题。《推荐系统实践》适合对推荐技术感兴趣的读者学习参考。

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NetflixPrize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。

目  录
第1章 好的推荐系统 1

1.1 什么是推荐系统 1

1.2 个性化推荐系统的应用 4

1.2.1 电子商务 4

1.2.2 电影和视频网站 8

1.2.3 个性化音乐网络电台 10

1.2.4 社交网络 12

1.2.5 个性化阅读 15

1.2.6 基于位置的服务 16

1.2.7 个性化邮件 17

1.2.8 个性化广告 18

1.3 推荐系统评测 19

1.3.1 推荐系统实验方法 20

1.3.2 评测指标 23

1.3.3 评测维度 34

第2章 利用用户行为数据 35

2.1 用户行为数据简介 36

2.2 用户行为分析 39

2.2.1 用户活跃度和物品流行度的分布 39

2.2.2 用户活跃度和物品流行度的关系 41

2.3 实验设计和算法评测 41

2.3.1 数据集 42

2.3.2 实验设计 42

2.3.3 评测指标 42

2.4 基于邻域的算法 44

2.4.1 基于用户的协同过滤算法 44

2.4.2 基于物品的协同过滤算法 51

2.4.3 UserCF和ItemCF的综合比较 59

2.5 隐语义模型 64

2.5.1 基础算法 64

2.5.2 基于LFM的实际系统的例子 70

2.5.3 LFM和基于邻域的方法的比较 72

2.6 基于图的模型 73

2.6.1 用户行为数据的二分图表示 73

2.6.2 基于图的推荐算法 73

第3章 推荐系统冷启动问题 78

3.1 冷启动问题简介 78

3.2 利用用户注册信息 79

3.3 选择合适的物品启动用户的兴趣 85

3.4 利用物品的内容信息 89

3.5 发挥专家的作用 94

第4章 利用用户标签数据 96

4.1 UGC标签系统的代表应用 97

4.1.1 Delicious 97

4.1.2 CiteULike 98

4.1.3 Last.fm 98

4.1.4 豆瓣 99

4.1.5 Hulu 99

4.2 标签系统中的推荐问题 100

4.2.1 用户为什么进行标注 100

4.2.2 用户如何打标签 101

4.2.3 用户打什么样的标签 102

4.3 基于标签的推荐系统 103

4.3.1 实验设置 104

4.3.2 一个最简单的算法 105

4.3.3 算法的改进 107

4.3.4 基于图的推荐算法 110

4.3.5 基于标签的推荐解释 112

4.4 给用户推荐标签 115

4.4.1 为什么要给用户推荐标签 115

4.4.2 如何给用户推荐标签 115

4.4.3 实验设置 116

4.4.4 基于图的标签推荐算法 119

4.5 扩展阅读 119

第5章 利用上下文信息 121

5.1 时间上下文信息 122

5.1.1 时间效应简介 122

5.1.2 时间效应举例 123

5.1.3 系统时间特性的分析 125

5.1.4 推荐系统的实时性 127

5.1.5 推荐算法的时间多样性 128

5.1.6 时间上下文推荐算法 130

5.1.7 时间段图模型 134

5.1.8 离线实验 136

5.2 地点上下文信息 139

5.3 扩展阅读 143

第6章 利用社交网络数据 144

6.1 获取社交网络数据的途径 144

6.1.1 电子邮件 145

6.1.2 用户注册信息 146

6.1.3 用户的位置数据 146

6.1.4 论坛和讨论组 146

6.1.5 即时聊天工具 147

6.1.6 社交网站 147

6.2 社交网络数据简介 148

社交网络数据中的长尾分布 149

6.3 基于社交网络的推荐 150

6.3.1 基于邻域的社会化推荐算法 151

6.3.2 基于图的社会化推荐算法 152

6.3.3 实际系统中的社会化推荐算法 153

6.3.4 社会化推荐系统和协同过滤推荐系统 155

6.3.5 信息流推荐 156

6.4 给用户推荐好友 159

6.4.1 基于内容的匹配 161

6.4.2 基于共同兴趣的好友推荐 161

6.4.3 基于社交网络图的好友推荐 161

6.4.4 基于用户调查的好友推荐算法对比 164

6.5 扩展阅读 165

第7章 推荐系统实例 166

7.1 外围架构 166

7.2 推荐系统架构 167

7.3 推荐引擎的架构 171

7.3.1 生成用户特征向量 172

7.3.2 特征-物品相关推荐 173

7.3.3 过滤模块 174

7.3.4 排名模块 174

7.4 扩展阅读 178

第8章 评分预测问题 179

8.1 离线实验方法 180

8.2 评分预测算法 180

8.2.1 平均值 180

8.2.2 基于邻域的方法 184

8.2.3 隐语义模型与矩阵分解模型 186

8.2.4 加入时间信息 192

8.2.5 模型融合 193

8.2.6 Netflix Prize的相关实验结果 195

后记 196

 






文件名称:《推荐系统实践》

文件大小:12.45M

广

点击下载

↓↓点击下方视频↓↓

↓↓领取本站超级福利↓↓

image.png
添加微信号:sumcoo

备注:S886

-即可免费加入学习-

标签: , , , ,

上一篇:

下一篇:

   

投稿用户:读者投稿    更新时间: 2020-7-10

以上内容均来自作者投稿,与商盟学院观点无关,希望读者明辨是非,谨防上当受骗!
文章采用创作共用版权 CC BY-NC-ND/2.5/CN 许可协议,凡是投稿的文章表明该作者以授权给商盟学院及其各类自媒体帐号、网站专栏中以及各种版权信息处理 投稿邮箱tougao@summeng.com
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
内容:
*姓名:
*邮件:
站点:
最新评论
网络营销4天3夜培训班
网络营销4天3夜培训班