幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

深度學習推薦系統

  • 作者：編者:王?|責編:鄭柳潔
  • 出版社：電子工業
  • ISBN：9787121384646
  • 出版日期：2020/03/01
  • 裝幀：平裝
  • 頁數：285
人民幣：RMB 108 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    深度學習在推薦系統領域掀起了一場技術革命，本書從深度學習推薦模型、Embedding技術、推薦系統工程實現、模型評估體系、業界前沿實踐等幾個方面介紹了這場技術革命中的主流技術要點。
    本書既適合推薦系統、計算廣告和搜索領域的從業者閱讀，也適合人工智慧相關專業的本科生、研究生、博士生閱讀，幫助他們建立深度學習推薦系統的技術框架，通過學習前沿案例加強深度學習理論與推薦系統工程實踐的融合能力。
作者介紹
編者:王?|責編:鄭柳潔
    王?，畢業於清華大學電腦科學與技術系，美國流媒體公司Roku資深機器學習工程師，推薦系統架構負責人。曾任Hulu高級研究工程師，品友互動廣告效果演算法組負責人。清華大學KEG實驗室學術搜索引擎AMiner早期發起人之一。主要研究方向為推薦系統、計算廣告、個性化搜索，發表相關領域學術論文7篇，擁有專利3項，是《百面機器學習：演算法工程師帶你去面試》等技術書的聯合作者。曾擔任KDD、CIKM等國際會議審稿人。
目錄
第1章  互聯網的增長引擎——推薦系統
  1.1  為什麼推薦系統是互聯網的增長引擎
    1.1.1  推薦系統的作用和意義
    1.1.2  推薦系統與YouTube的觀看時長增長
    1.1.3  推薦系統與電商網站的收入增長
  1.2  推薦系統的架構
    1.2.1  推薦系統的邏輯框架
    1.2.2  推薦系統的技術架構
    1.2.3  推薦系統的數據部分
    1.2.4  推薦系統的模型部分
    1.2.5  深度學習對推薦系統的革命性貢獻
    1.2.6  把握整體，補充細節
  1.3  本書的整體結構
第2章  前深度學習時代——推薦系統的進化之路
  2.1  傳統推薦模型的演化關係圖
  2.2  協同過濾——經典的推薦演算法
    2.2.1  什麼是協同過濾
    2.2.2  用戶相似度計算
    2.2.3  終結果的排序
    2.2.4  ItemCF
    2.2.5  UserCF與ItemCF的應用場景
    2.2.6  協同過濾的下一步發展
  2.3  矩陣分解演算法——協同過濾的進化
    2.3.1  矩陣分解演算法的原理
    2.3.2  矩陣分解的求解過程
    2.3.3  消除用戶和物品打分的偏差
    2.3.4  矩陣分解的優點和局限性
  2.4  邏輯回歸——融合多種特徵的推薦模型
    2.4.1  基於邏輯回歸模型的推薦流程
    2.4.2  邏輯回歸模型的數學形式
    2.4.3  邏輯回歸模型的訓練方法
    2.4.4  邏輯回歸模型的優勢
    2.4.5  邏輯回歸模型的局限性
  2.5  從FM到FFM——自動特徵交叉的解決方案
    2.5.1  POLY2模型——特徵交叉的開始
    2.5.2  FM模型——隱向量特徵交叉
    2.5.3  FFM模型——引入特徵域的概念
    2.5.4  從POLY2到FFM的模型演化過程
  2.6  GBDT+LR——特徵工程模型化的開端
    2.6.1  GBDT+LR組合模型的結構
    2.6.2  GBDT進行特徵轉換的過程
    2.6.3  GBDT+LR組合模型開啟的特徵工程新趨勢
  2.7  LS-PLM——阿里巴巴曾經的主流推薦模型
    2.7.1  LS-PLM模型的主要結構
    2.7.2  LS-PLM模型的優點
    2.7.3  從深度學習的角度重新審視LS-PLM模型
  2.8  總結——深度學習推薦系統的前夜
第3章  浪潮之巔——深度學習在推薦系統中的應用
第4章  Embedding技術在推薦系統中的應用
第5章  多角度審視推薦系統

第6章  深度學習推薦系統的工程實現
第7章  推薦系統的評估
第8章  深度學習推薦系統的前沿實踐
第9章  構建屬於你的推薦系統知識框架
後記

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032