作者從實踐出發，結合在推薦領域的多年經驗，清晰直觀地介紹了推薦繫統相關的算法原理、代碼實現、評估方法及調優經驗等內容。本書融合了算法理論與實現，兼顧技術廣度與深度。內容通俗易懂，干貨十足，具實踐參考價值，適合不同階段的廣大讀者閱讀。專業背景：一線互聯網大廠推薦繫統專家經驗總結著眼實戰：詳細剖析大規模推薦繫統從0到1和從1到N開箱即用：附帶可以直接用於生產環境的幾乎所有主流推薦算法的代碼實現

●第1章 推薦繫統
1.1 推薦繫統是什麼
1.1.1 京東商城
1.1.2 亞馬遜
1.1.3 YouTube
1.2 推薦繫統整體架構
1.3 推薦繫統算法概述
1.3.1 召回算法
1.3.2 排序算法
1.4 周邊配套繫統
1.4.1 機器學習平臺
1.4.2 特征平臺
1.4.3 模型服務平臺
1.4.4 A/B測試平臺
1.5 總結
第一部分 召回算法
第2章 協同過濾
2.1 算法應用
2.2 算法原理
2.2.1 打分機制
2.2.2 物品相似度
2.3 算法實現
2.3.1 步驟1：數據源讀取
2.3.2 步驟2：聚合用戶行為
2.3.3 步驟3：局部物品相似度
2.3.4 步驟4和步驟5：全局物品相似度
2.3.5 步驟6：Top N
2.4 算法優化
2.4.1 無效用戶過濾
2.4.2 熱門懲罰
2.5 完整代碼
2.6 準實時更新
2.6.1 數據準備
2.6.2 實時數據取數邏輯
2.6.3 準實時更新相似度
2.7 總結
第3章 關聯規則
3.1 關聯規則
3.1.1 定義
3.1.2 頻繁項集
3.2 Apriori算法
3.2.1 頻繁項集生成
3.2.2 關聯規則生成
3.3 FPGrowth
3.3.1 FP樹
3.3.2 邏輯
3.3.3 舉例
3.3.4 運行
3.3.5 完整代碼
3.3.6 數據集
3.3.7 源碼分析
3.3.8 算法優化
3.4 總結
第4章 Word2Vec
4.1 詞向量示例
4.2 數據準備
4.2.1 詞彙表
……
第二部分 排序算法
第三部分 工程實踐

作為機器學習領域應用比較成熟、廣泛的業務，個性化推薦在電商、短視頻等平臺發揮著重要作用，其背後的推薦繫統已成為當今越來越多應用程序的標配。關於推薦算法的論述有很多，而要將其很好地應用到實際場景中，則需要大量的實踐經驗。本書從實戰的角度介紹推薦繫統，主要包含三部分 ：召回算法、排序算法和工程實踐。書中細致剖析了如何在工業中對海量數據應用算法，涵蓋了從算法原理，到模型搭建、優化以及很好實踐等諸多內容。

阿星 著