计算机 类型
可以朗读 语音朗读
155千字 字数
2023-06-01 发行日期
展开全部

主编推荐语

基于一线研发人员的视角，系统介绍推荐系统的技术理论和实践。

内容简介

本书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。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 资源与支持
  • 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
  • 2.1 LR
  • 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
  • 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
  • 3.4 Embedding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 ESM2——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

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。