展开全部

主编推荐语

一本全面讲解图计算、知识图谱及其在推荐系统领域应用的专著。

内容简介

本书为读者基于神经网络构建推荐系统提供了详细指导,是作者在相关领域10余年经验的总结。

本书主要内容分为两篇。

第一篇,图数据以及图模型(第1-3章):对图数据、图神经网络、知识图谱的基础知识进行了梳理,帮助读者掌握着3项技术的关键原理与算法,为后面的学习打下基础。

第二篇,推荐系统(第4-9章):首先介绍了推荐系统的架构,包括逻辑架构、技术架构和数据建模,以及基于GNN的推荐系统架构;然后详细讲解了如何基于GNN构建推荐系统,以及基于图的推荐算法;再接着讲解了知识图谱在推荐系统中的应用以及相关的算法模型;最后,探讨了推荐系统领域当前的热点问题、研究方向以及工业级推荐系统领域的核心难题。

目录

  • 版权信息
  • 推荐序一
  • 推荐序二
  • 推荐序三
  • 前言
  • 第一篇 图数据与图模型
  • 第1章 图数据基础
  • 1.1 数学基础
  • 1.2 图的基本知识
  • 1.3 图的表示方法
  • 1.4 图数据及图神经网络
  • 1.5 本章小结
  • 第2章 图神经网络基础
  • 2.1 神经网络的基本知识
  • 2.2 卷积神经网络
  • 2.3 循环神经网络
  • 2.4 图神经网络
  • 2.5 本章小结
  • 第3章 知识图谱基础
  • 3.1 知识图谱的定义和模型
  • 3.2 知识图谱上的神经网络
  • 3.3 本章小结
  • 第二篇 推荐系统
  • 第4章 推荐系统架构
  • 4.1 推荐系统的逻辑架构
  • 4.2 推荐系统的技术架构
  • 4.3 推荐系统的数据和模型部分
  • 4.4 推荐系统的评估
  • 4.5 基于GNN的推荐系统架构
  • 4.6 本章小结
  • 第5章 基于GNN的推荐系统构建基础
  • 5.1 关于嵌入
  • 5.2 Word2Vec
  • 5.3 Item2Vec
  • 5.4 图嵌入
  • 5.5 本章小结
  • 第6章 基于图的推荐算法
  • 6.1 基于图的召回算法
  • 6.2 基于图的排序算法
  • 6.3 本章小结
  • 第7章 知识图谱与推荐系统
  • 7.1 利用图谱建模
  • 7.2 图谱建模与物品推荐关联学习
  • 7.3 物品增强学习
  • 7.4 增强可解释性
  • 7.5 本章小结
  • 第8章 推荐系统的热点问题和研究方向
  • 8.1 推荐系统的热点问题
  • 8.2 推荐系统研究方向
  • 8.3 本章小结
  • 第9章 推荐系统实践
  • 9.1 工业级系统架构
  • 9.2 工业级推荐系统问题及解决办法
  • 9.3 工业级推荐系统增长方案
  • 9.4 本章小结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。