展开全部

主编推荐语

一套基于业务场景的个性化精准推荐系统解决方案。

内容简介

本书基于推荐算法工程师实际工作场景规划内容,融合了作者在阿里巴巴、58同城等多家大厂做推荐系统设计和优化的经验,是一本方法和实践兼具的好书。

本书不针对零基础从业者,而是以帮助初级算法工程师向中高级进阶为目标。书中从底层剖析推荐系统在实际业务场景中可能出现的各种问题,直指问题的本质,并按照推荐系统工作流程逐一破解。

目录

  • 版权信息
  • PREFACE 前言
  • CHAPTER1 第1章 什么是推荐系统
  • 1.1 深度理解推荐系统
  • 1.2 企业在构建推荐系统时会面临哪些问题
  • 1.3 4类主流推荐系统构建点拨
  • 1.4 推荐系统怎么拉活促销
  • 1.5 架构和模型在推荐系统落地中的作用
  • CHAPTER2 第2章 推荐系统架构
  • 2.1 推荐系统架构概述
  • 2.2 召回层概述
  • 2.3 粗排层概述
  • 2.4 精排层概述
  • 2.5 重排层概述
  • 2.6 冷启动环节
  • CHAPTER3 第3章 构建推荐系统的特征
  • 3.1 怎么收集数据
  • 3.2 怎么清洗数据
  • 3.3 怎么处理连续特征
  • 3.4 怎么处理离散特征
  • CHAPTER4 第4章 为推荐系统选择评价指标
  • 4.1 不同业务的线上指标
  • 4.2 精排层应该选择什么评价指标
  • 4.3 召回层应该选择什么评价指标
  • 4.4 重排层应该选择什么评价指标
  • 4.5 怎么设计合理的AB实验
  • CHAPTER5 第5章 机器学习模型调参
  • 5.1 决策树调参
  • 5.2 随机森林调参
  • 5.3 XGBoost调参
  • 5.4 LightGBM调参
  • 5.5 全局优化调参
  • 5.6 利用集成学习提高推荐效果
  • CHAPTER6 第6章 神经网络模型调参
  • 6.1 怎么对DNN调参
  • 6.2 怎么为神经网络选择优化器
  • 6.3 怎么为神经网络选择损失函数
  • 6.4 怎么解决神经网络的拟合问题
  • CHAPTER7 第7章 个性化召回层样本选择和模型选择
  • 7.1 协同过滤召回
  • 7.2 双塔召回
  • 7.3 Word2vec在召回中的应用
  • 7.4 基于图网络的召回
  • 7.5 基于树网络的召回
  • CHAPTER8 第8章 精排层的样本选择和模型选择
  • 8.1 传统DNN建模
  • 8.2 交叉模型
  • 8.3 偏置问题
  • 8.4 模型可解释性
  • 8.5 因果场景
  • 8.6 序列建模
  • 8.7 多目标建模
  • CHAPTER9 第9章 粗排层的样本选择和模型选择
  • 9.1 蒸馏
  • 9.2 工程优化
  • CHAPTER10 第10章 重排层的设计与实现
  • 10.1 精排数据分析
  • 10.2 模型重排
  • 10.3 混排
  • CHAPTER11 第11章 冷启动环节的设计与实现
  • 11.1 用户冷启动
  • 11.2 物料冷启动
  • 11.3 PID算法
展开全部

评分及书评

评分不足
1个评分

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。