親手開發推薦係統：PyTorch全方位實作最重要演算法 pdf epub mobi txt 電子書下載 2025

圖書介紹

☆☆☆☆☆
簡體網頁||繁體網頁

作者於方仁

出版者深智數位

翻譯者

出版日期齣版日期：2023/09/20

語言語言：繁體中文

下載鏈接在頁面底部

下載連結1
下載連結2
下載連結3

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找書就要到小特書站

ttbooks.qciss.net

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2025-03-06

類似圖書點擊查看全場最低價

圖書描述

　　本書利用PyTorch、神經網路、圖論、機器學習，知識圖譜等最新技術，做齣最棒的推薦係統。
　　第1、2章幫大傢建立基礎，第3章從第2章推導，入門推薦演算法及推導能力。第4章介紹熱門的圖神經網路在推薦演算法中的應用。第5章深入知識圖譜推薦演算法，專業度高且實用性強，掌握前4章知識的讀者容易學習。第6到8章介紹整個推薦係統、商業和推薦工程。建議在第3章後隨時閱讀，特別是第7章係統介紹推薦係統評估指標。可在範例程式基礎上改進並利用第7章指標實際評估推薦係統效果。

　　【本書看點】
　　✪ 無痛學習推薦演算法
　　✪ 結閤深度學習的發展，可推導齣進階推薦演算法
　　✪ 結閤圖神經網路進一步推導齣推薦演算法
　　✪ 瞭解圖神經網路且應用於推薦演算法
　　✪ 瞭解整個推薦係統的詳細結構及基本做法
　　✪ 瞭解推薦工程整體的生命週期
　　✪ 3個重要演算法：近鄰協作過濾、ALS、FM

　　【適閤讀者】
　　☛ 從事推薦係統相關工作的工程師。
　　☛ 對推薦係統有興趣的讀者。
　　☛ 也可作為大專院校、研究機構的學習參考書

著者信息

作者簡介

於方仁

　　推薦演算法、圖神經網路、知識圖譜等領域專傢。在推薦係統領域從業多年，現任蘇州中貿大資料CTO。善於在實戰中總結經驗，授課幽默風趣，樂於分享知識。

圖書目錄

第1章推薦係統的初步瞭解
1.1 什麼是推薦係統
1.2 推薦係統的由來
1.3 推薦係統的概況
1.4 推薦演算法的概況

第2章基礎推薦演算法
2.1 協作過濾
2.2 基礎近鄰指標
2.3 基於近鄰的協作過濾演算法
2.4 推薦模型評估：入門篇
2.5 進階近鄰指標
2.6 矩陣分解協作過濾演算法
2.7 邏輯迴歸齣發的推薦演算法
2.8 本章複習

第3章進階推薦演算法
3.1 神經網路推薦演算法推導範式
3.2 FM在深度學習中的應用
3.3 序列推薦演算法
3.4 Transformer在推薦演算法中的應用
3.5 本章複習

第4章圖神經網路與推薦演算法（2）
4.1 圖論基礎
4.2 基於圖的基礎推薦方式
4.3 圖神經網路
4.4 基於圖神經網路的推薦
4.5 本章複習

第5章知識圖譜與推薦演算法
5.1 知識圖譜基礎
5.2 Knowledge Graph Embedding知識圖譜嵌入
5.3 基於知識圖譜嵌入的推薦演算法
5.4 基於知識圖譜路徑的推薦演算法
5.5 知識圖譜嵌入結閤圖路徑的推薦RippLeNet
5.6 圖神經網路與知識圖譜
5.7 本章複習

第6章推薦係統的構造
6.1 推薦係統結構
6.2 預測服務部分
6.3 LSH-Embedding匹配的加速演算法
6.4 模型訓練部分
6.5 資料處理部分
6.6 冷開機

第7章推薦係統的評估
7.1 基礎機器學習模型評測指標
7.2 TopK推薦評測指標
7.3 業務性評測指標
7.4 線上對比測試

第8章推薦工程的生命週期
8.1 瞭解資料與推薦目的
8.2 初期的特徵篩選
8.3 推薦係統結構設計
8.4 模型研發
8.5 架設推薦係統
8.6 最佳化推薦係統

圖書序言

前言

　　在當前巨量資料時代下，推薦係統有著舉足輕重的地位。尤其是在網際網路經濟非常發達的國內，推薦係統可謂無處不在。如今推薦係統的做法變化多端，究其原因主要是近年來機器學習演算法領域的發展空前火熱。推薦係統的工程學問很多，但大方嚮相對較清晰，無非是收集巨量資料，然後統計分析，在做齣模型之後根據模型預測使用者的偏好並做齣推薦，所以如今的重點是研究推薦模型的做法，也是推薦演算法的研究。當然將演算法用作推薦早已不是新鮮事，但是問題在於推薦演算法派係眾多，例如有基於CTR預估發展的推薦演算法、序列推薦演算法、知識圖譜推薦演算法等。大的派係中還會分小派係，例如知識圖譜推薦演算法分成基於知識圖譜嵌入的推薦演算法、基於知識圖譜路徑的推薦演算法等。

　　✤ 本書特色

　　寫作本書的初衷很簡單，市麵上講解推薦演算法的書不算少，找到接地氣、值得按部就班係統地學習的書卻很少，筆者想用由淺入深的正確打開方式，讓大傢能無痛學習推薦演算法，所以本書的重點之一是要整理這些眾多派係的推薦演算法，找齣一條清晰的脈絡讓大傢能夠順利入門。正如前文所說，機器學習乃至深度學習演算法日新月異，也就代錶瞭推薦演算法本身的發展也一定是永不停歇地嚮前進，所以瞭解眾多派係的演算法並不是最終目的，而是要透過瞭解現有成熟的演算法進而領略齣屬於自己的演算法係統，方能跟上甚至引領這個時代。簡而言之，本書的真正重點是透過整理脈絡由淺入深地帶領大傢走進推薦演算法領域，並建立自己的推薦演算法推理想法。

　　✤ 本書內容

　　第1章介紹推薦係統的發展歷史，對其做初步的瞭解。
　　第2章介紹較基礎的推薦演算法。
　　第3章介紹基於第2章的基礎推薦演算法結閤深度學習的發展推導齣的進階推薦演算法。
　　第4章介紹圖神經網路及結閤圖神經網路進一步推導齣的推薦演算法。
　　第5章介紹知識圖譜及結閤知識圖譜進一步推導齣的推薦演算法。
　　第6章介紹整個推薦係統的詳細結構及基本做法。
　　第7章介紹評估推薦演算法及推薦係統的指標及方式。
　　第8章介紹整個推薦工程整體的生命週期。

編者