推薦系統：技術、評估及高效演算法

標籤：china-pub   電腦   演算法   軟體工程   技術   

這篇是電腦類的優質預售推薦>>>>《推薦系統：技術、評估及高效演算法》

內容簡介

本書匯聚不同領域專家學者的理論成果和實踐經驗，全面介紹推薦系統的主要概念、理論、趨勢、挑戰和應用，詳細闡釋如何支援使用者決策、計劃和購買過程。書中既詳細講解了經典方法，又介紹了一些新研究成果，內容涵蓋人工智慧、人機互動、資訊技術、資料採礦、統計學、自適應使用者介面、決策支援系統、市場和客戶行為等領域，無論是從事技術開發，還是從事產品營銷的讀者，都能從中受益。
本書可分成五部分，共25章。第1章是概述，系統介紹推薦系統的概念、功能、應用領域以及當前應用過程中遇到的問題與挑戰。第一部分（第2~7章）介紹當前構建推薦系統最普遍使用的技術，如協同過濾、基於內容的資料採礦方法、上下文相關的方法等。第二部分（第8~12章）概述已用於評價推薦品質的技術和方法，涉及推薦系統設計與實踐方面，描述設計和實施推薦系統的注意事項，為選擇更合適的演算法提供準則，以及評估用於開發推薦系統的方法、挑戰和評測指標。第三部分（第13~17章）討論推薦系統如何呈現、瀏覽、解釋和可視化等若干問題，這一部分討論的技術使推薦過程更加結構化以及具有可互動性。第四部分（第18~21章）討論利用各類使用者產生內容（UGC，如標籤、搜尋查詢、信任評價等）產生類型新穎且更可信的推薦結果。第五部分（第22~25章）討論推薦系統的進階課題，如探索用主動學習的原則來指導擷取新知識；防止推薦系統受惡意使用者攻擊的合適技術；如何整合多種類型的使用者反饋和使用者偏好資訊來構造更可靠的推薦系統。 

譯者序

胡聰（胡戶主）：這本書著實是一本厚書，在剛開始著手翻譯的時候，反覆瀏覽目錄裡25章的內容，心潮澎湃，激動不已，希望放下手中一切來研習它。在大資料浪潮中，推薦系統作為一個主要分支，逐漸被國內同行所關注，但一直苦於可用資料不多。想必很多剛入此行的同學都在問“有沒有全套推薦系統學習資源”，“行業內推薦系統演算法有哪些”，等等問題，這本書能夠帶來一份很好的答案。這本書由概述到細節，由演算法理論到行業應用，層層剖析了推薦系統中的技術細節和應用方向，書中知識涵蓋較廣卻又不失細節，相信會成為推薦系統愛好者和從業人員手中必備的一本工具書。
　　吳賓：Netflix大賽有力地推進了對推薦系統的廣泛而深入的研究，促成新的研究熱點。然而，國內當前還缺少比較完整的中文科普圖書。因此，本書的出現可有效地填補這一空白，進一步推動推薦系統的研究和應用。綜合來看，本書既可以作為推薦系統專業研究人員的入門書籍，也適用於一般應用推薦系統技術的工程人員。對推薦系統的熱愛和研究是我有幸參與此書翻譯工作的一個重要原因，也因此結識了許多志同道合的小夥伴。我非常感謝他們對我的協助和指導，與他們的討論和交流讓我受益匪淺。同時，也要感謝豔民和蔣帆老師，他們不惜放棄寶貴的休息時間來審核和校對此書，嚴謹的工作作風和態度令人敬佩。
　　丁彬釗（於寧）：研究生期間偶然結緣推薦系統，堅信推薦必將成為繼搜尋之後解決資料過載的重要方法。有機會參與本書的翻譯倍感榮幸，雖然期間經曆實習、求職、畢業等系列事件，但是在朋友們的支援和協助下，還是堅持完成了自己負責的那部分翻譯工作。通過對此書的翻譯，不僅僅提升了自己對推薦系統的理解，也增強了對推薦系統在大資料時代所起作用的信心！特別感謝李豔民對本書翻譯提供的各種協助，以及蔣凡老師細緻負責的審核和校對工作！由於翻譯水平和時間限制，本書翻譯工作難免存在不足之處，歡迎讀者朋友批評指正，謝謝！
　　王雪麗：這是一本“特別”而又“偉大”的書，“特別”在於，它集合了推薦系統所涉及領域的所有知識，並將這些知識有條不紊地展示出來，成為第一本專屬於推薦系統領域的書；而“偉大”在於，它凝結了很多人的智慧，比如說每一章後面那長長的參考目錄就體現了這點。這本書對於初學者來說是一個很好的起點，不僅可以系統地瞭解推薦系統的組成部分以及怎樣著手設計一個推薦系統，讓初學者不會覺得無從下手，另外本書也描述了推薦系統所面臨的挑戰，也許能在閱讀的過程中突發靈感，找到自己的研究方向。另外，非常幸運能夠參與本書的翻譯，非常感謝一起完成本書翻譯的朋友們，也希望讀者朋友對我們的工作提出寶貴意見，非常感謝！
　　李豔民：本書內容和重要程度不言而喻。在長達15個月的翻譯過程中共有49位同學參與翻譯和審核，期間有晉陞為爸爸的、有畢業參加工作的、有結婚步入幸福天堂的，也有開始創業的，在這裡由衷感謝他們及其家人能參與和支援我們的翻譯。同時特別感謝蔣凡老師能幫我一起審閱。希望本書能給讀者帶來協助。讀者有疑問或建議可在本書論壇（www.rec-sys.net）討論。
　　蔣凡：相信翻譯這本書應該是每個推薦系統愛好者的心愿，它的博大精深令人醉心不已，但它的卷帙浩繁也令人望而卻步。很幸運能和不計辛勞、只求學問的小夥伴們一起完成這個心愿，翻過高山，收入眼簾的就是一馬平川的美景；架起雲梯，就能協助更多的小夥伴攻城拔寨、無往不利。這本書終於面世了，我們用專註和堅韌將它喚醒，是因為我們預感它的魔力能夠召喚來更多有志於此的工程師，讓技術的力量改變世界。 

前言

推薦系統是為使用者推薦所需物品的軟體工具和技術。提供的推薦旨在通過各種決策過程來支援使用者，例如，買什麼物品、聽什麼歌或者讀什麼新聞。推薦系統對於線上使用者處理資訊過載是一個非常有價值的方法，並成為電子商務領域最強大和流行的工具。因此，人們提出了各種各樣的推薦技術，並在過去的10年中將其中很多方法成功地運用在商務領域。
　　推薦系統的發展需要多學科的支援，涉及來自各個領域的專家知識，如人工智慧、人機互動、資訊檢索、資料採礦、資料統計、自適應使用者介面、決策支援系統、市場營銷或消費者行為等。本書旨在基於這種多樣性，通過展示推薦系統的主要概念、理論、方法論、趨勢、挑戰和應用等連貫而又統一的知識體系，協助讀者從差異之中梳理出頭緒。這是第一本全面闡述推薦系統的書，其中覆蓋了主要技術的多個方面。本書中的豐富資訊和實踐內容為研究人員、學生和行業中的實踐者提供了一個有關推薦系統的全面但簡潔方便的參考源。本書不僅詳細介紹了經典方法，而且介紹了最近引進的新方法及其擴充。本書由五部分組成：技術、推薦系統的應用和評估、推薦系統的互動、推薦系統和社區及進階演算法。第一部分展示了如今構建推薦系統的最流行和最基礎的技術，如協同過濾、基於內容的過濾、資料採礦方法和基於情境感知的方法。第二部分首先介紹用來評估推薦品質的研究技術和方法；其次說明了設計推薦系統的實際方面，如設計和實現的考慮，選擇更合適演算法的環境指南；再次討論了可能影響設計的相關方面；最後探討了應用在已成型系統評估上的方法、挑戰和估量。第三部分包括了探討一系列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化，以及使得推薦過程更結構化和方便的技術等。
　　第四部分完全聚焦於一個全新的話題，但該話題卻基於過濾推薦的主要思想，例如利用使用者產生的各種類型的內容來構建具有新類型並更加可信的推薦系統。
　　第五部分搜集了一些關於高階話題的文章，例如利用主動學習技術來引導新知識的學習，構建能夠抵擋惡意使用者攻擊的健壯推薦系統的合適技術，以及結合多種使用者反饋和偏好來產生更加可信的推薦系統。
　　我們要感謝所有為本書做出貢獻的作者。感謝所有審閱人員提出的慷慨意見及建議。特別感謝Susan LagerstromFife和Springer的成員，感謝他們在寫這本書過程中的合作。最後我們希望這本手冊有助於這一學科的發展，為新手提供一個卓有成效的學習方案，能夠激起更多專業人士有興趣參與本書所討論的主題，使這個具有挑戰性的領域能夠碩果累累，長足進展。
　　Francesco Ricci
　　Lior Rokach
　　Bracha Shapira
　　Paul B.Kantor
　　2010年5月 

著作權聲明：本文為博主原創文章，未經博主允許不得轉載。

推薦系統：技術、評估及高效演算法