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

智能搜索和推薦系統(原理演算法與應用)/智能系統與技術叢書

  • 作者：劉宇//趙宏宇//劉書斌//孫明珠|責編:董惠芝
  • 出版社：機械工業
  • ISBN：9787111670674
  • 出版日期：2021/01/01
  • 裝幀：平裝
  • 頁數：257
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一部面向初學者的搜索和推薦系統實戰寶典。多位資深專家融合自己豐富的工程實踐經驗，一方面精準地介紹了搜索和推薦系統的理論基礎、工作原理和常見架構；一方面深入地講解了機器學習、深度學習、自然語言處理等AI技術在搜索和推薦系統中的應用場景、主要演算法及其實現、工程實踐案例。
    全書一共12章，分為四大部分。
    第一部分（第1?3章）搜索和推薦系統的基礎
    首先介紹了概率統計與應用數學的基礎知識，然後介紹了搜索和推薦系統的常識，最後介紹了知識圖譜的基礎理論。
    第二部分（第4?6章）搜索系統的基本原理
    首先講解了搜索系統的架構和原理，幫助讀者了解搜索系統的組成、工作原理以及知識圖譜在搜索系統中的應用；其次講解了搜索系統中涉及的基本模型、機器學習以及深度學習演算法；最後講解了評價搜索系統的指標體系。
    第三部分（第7?9章）推薦系統的基本原理
    首先講解了推薦系統的架構和原理；其次講解了推薦系統中涉及的線性模型、樹模型以及深度學習模型；最後講解了評價推薦系統的指標體系。
    第四部分（第10?12章）應用
    首先介紹了三種常見的搜索引擎工具，包括Lucene、Solr和Elasticsearch；其次講解了搜索系統和推薦系統的應用；最後介紹了如何充分結合AI與工程在工業界發揮作用。
作者介紹
劉宇//趙宏宇//劉書斌//孫明珠|責編:董惠芝
目錄
推薦序一
推薦序二
前言
第一部分  搜索和推薦系統的基礎
  第1章  概率統計與應用數學基礎知識
    1.1  概率論基礎
      1.1.1  概率定義
      1.1.2  隨機變數
      1.1.3  基礎的概率分佈
      1.1.4  期望、方差、標準差、協方差
    1.2  線性代數基礎
      1.2.1  矩陣
      1.2.2  向量
      1.2.3  張量
      1.2.4  特徵向量和特徵值
      1.2.5  奇異值分解
    1.3  機器學習基礎
      1.3.1  導數
      1.3.2  梯度
      1.3.3  最大似然估計
      1.3.4  隨機過程與隱馬爾可夫模型
      1.3.5  信息熵
    1.4  本章小結
  第2章  搜索系統和推薦系統常識
    2.1  搜索系統
      2.1.1  什麼是搜索引擎及搜索系統
      2.1.2  搜索引擎的發展史
      2.1.3  搜索引擎的分類
    2.2  推薦系統
      2.2.1  什麼是推薦系統
      2.2.2  推薦系統的發展史
      2.2.3  推薦系統應用場景
      2.2.4  推薦系統的分類
    2.3  搜索與推薦的區別
    2.4  本章小結
  第3章  知識圖譜相關理論
    3.1  知識圖譜概述
      3.1.1  什麼是知識圖譜
      3.1.2  知識圖譜的價值
      3.1.3  知識圖譜的架構
      3.1.4  知識圖譜的表示與建模
    3.2  信息抽取
      3.2.1  實體識別
      3.2.2  關係抽取
    3.3  知識融合
      3.3.1  實體對齊
      3.3.2  實體消歧
    3.4  知識加工
      3.4.1  知識推理
      3.4.2  質量評估

    3.5  本章小結
第二部分  搜索系統的基本原理
  第4章  搜索系統框架及原理
    4.1  搜索系統的框架
      4.1.1  基本框架
      4.1.2  搜索引擎是如何工作的
    4.2  數據收集及預處理
      4.2.1  爬蟲
      4.2.2  數據清洗
      4.2.3  存儲空間及分散式設計
    4.3  文本分析
      4.3.1  查詢處理
      4.3.2  意圖理解
      4.3.3  其他文本分析方法
    4.4  基於知識圖譜的搜索系統
    4.5  本章小結
  第5章  搜索系統中的主要演算法
    5.1  信息檢索基本模型
      5.1.1  布爾模型
      5.1.2  向量空間模型
      5.1.3  概率檢索模型
      5.1.4  其他模型
    5.2  搜索和機器學習
      5.2.1  排序學習
      5.2.2  排序學習示例
    5.3  搜索和深度學習
      5.3.1  DNN模型
      5.3.2  DSSM模型
      5.3.3  Transformer
    5.4  本章小結
  第6章  搜索系統評價
    6.1  搜索系統評價的意義
    6.2  搜索系統的評價體系
      6.2.1  效率評價
      6.2.2  效果評價
    6.3  本章小結
第三部分  推薦系統的基本原理
  第7章  推薦系統框架及原理
    7.1  推薦系統的框架及運行
      7.1.1  基本框架
      7.1.2  組件及功能
      7.1.3  推薦引擎是如何工作的
      7.1.4  推薦系統的經典問題
    7.2  推薦系統的冷啟動
    7.3  推薦系統的召回策略
      7.3.1  基於行為相似的召回
      7.3.2  基於內容相似的召回
    7.4  推薦系統排序
      7.4.1  特徵選擇的方法
      7.4.2  推薦系統的排序過程

    7.5  基於知識圖譜的推薦系統
    7.6  本章小結
  第8章  推薦系統的主要演算法
    8.1  矩陣分解
      8.1.1  奇異值分解
      8.1.2  交替最小二乘
      8.1.3  貝葉斯個性化排序
    8.2  線性模型
      8.2.1  FM模型
      8.2.2  FFM模型
    8.3  樹模型
      8.3.1  決策樹模型
      8.3.2  集成演算法模型
    8.4  深度學習模型
      8.4.1  Wide & Deep模型
      8.4.2  DeepFM模型
    8.5  本章小結
  第9章  推薦系統的評價
    9.1  推薦評估的目的
    9.2  推薦系統的評價指標
      9.2.1  RMSE和R方
      9.2.2  MAP和MRR
      9.2.3  其他相關指標
    9.3  推薦系統的評估實驗方法
      9.3.1  離線評估
      9.3.2  在線評估
      9.3.3  主觀評估
    9.4  本章小結
第四部分  應用
  第10章  搜索引擎工具
    10.1  Lucene簡介
      10.1.1  Lucene的由來及現狀
      10.1.2  Lucene創建索引過程分析
      10.1.3  Lucene的搜索過程解析
    10.2  Solr簡介
      10.2.1  Solr特性
      10.2.2  Solr的核心概念
      10.2.3  Solr的核心功能
    10.3  Elasticsearch簡介
      10.3.1  Elasticsearch的核心概念
      10.3.2  Elasticsearch的核心功能
    10.4  搜索引擎工具對比
    10.5  本章小結
  第11章  搜索應用實戰：基於電商的搜索開發
    11.1  電商搜索系統的架構設計
    11.2  ES在搜索系統中的應用
    11.3  NLP在搜索系統中的應用
    11.4  商品數據排序演算法研究
    11.5  搜索排序的評價及優化
    11.6  深度學習在搜索系統中的應用

    11.7  電商搜索系統中的SEM
    11.8  本章小結
  第12章  推薦應用實戰：基於廣告平台的推薦
    12.1  推薦系統的架構設計
    12.2  推薦系統的召回和冷啟動
    12.3  ES在推薦系統中的應用
    12.4  推薦系統中NLP的應用
    12.5  推薦系統中粗排和精排
    12.6  推薦系統的評價和優化
    12.7  深度學習在推薦系統應用
    12.8  本章小結

  • 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