实用推荐系统

全新正版现货

作者: （丹麦）Kim Falk（金·福尔克）
出版社: 电子工业出版社
ISBN: 9787121420788
出版时间: 2021-10

装帧: 平装
开本: 128开
纸张: 胶版纸

作者: （丹麦）Kim Falk（金·福尔克）
出版社: 电子工业出版社
ISBN: 9787121420788

出版时间: 2021-10
装帧: 平装

开本: 128开
纸张: 胶版纸

售价 89.30 7.5折

定价￥119.00

品相全新品相描述

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2023-04-16

数量: 仅1件在售，欲购从速

立即购买加入购物车收藏

卖家超过10天未登录

商品详情
店铺评价

手机购买

微信扫码访问

商品分类：

计算机与互联网

货号：

29313699

品相描述：全新

正版全新

商品描述：

【内容简介】:
要构建一个实用的“智能”推荐系统，不仅需要有好的算法，还需要了解接收推荐的用户。本书分为两部分，部分侧重于基础架构，主要介绍推荐系统的工作原理，展示如何创建推荐系统，以及给应用程序增加推荐系统时，应该如何收集和应用数据；第二部分侧重于算法，介绍推荐系统算法，以及如何使用系统收集的数据来计算向用户推荐什么内容。作者还教授了如何使用流行的推荐算法，并剖析它们在 Amazon 和 Netflix 等网站上的实际应用。

【目录】:
第1部分　推荐系统的准备工作
第1章　什么是推荐 ..................................................................................3
1.1　现实生活中的推荐 ............................................................................3
1.1.1　推荐系统在互联网上大显身手 .......................................................5
1.1.2　长尾 ..............................................................................................5
1.1.3 Netflix 的推荐系统 ...........................................................................6
1.1.4　推荐系统的定义 .............................................................................13
1.2　推荐系统的分类 .................................................................................15
1.2.1　域 .....................................................................................................16
1.2.2　目的 .................................................................................................16
1.2.3　上下文 .............................................................................................17
1.2.4　个性化级别 .....................................................................................17
1.2.5　专家意见 .........................................................................................19
1.2.6　隐私与可信度 .................................................................................19
1.2.7　接口 .................................................................................................20
1.2.8　算法 .................................................................................................23
1.3　机器学习与Netflix Prize .............................................................................24
1.4 MovieGEEKs网站 .......................................................................................25
1.4.1　设计与规范 .....................................................................................27
1.4.2　架构 .................................................................................................27
1.5　构建一个推荐系统 .....................................................................................29
小结 ......................................................................................................................31
第2章　用户行为以及如何收集用户行为数据 ..................................................32
2.1　在浏览网站时Netflix如何收集证据 ..........................................................33
2.1.1 Netflix 收集的证据 .........................................................................35
2.2　寻找有用的用户行为 .................................................................................37
2.2.1　捕获访客印象 .................................................................................38
2.2.2　可以从浏览者身上学到什么 .........................................................38
2.2.3　购买行为 .........................................................................................43
2.2.4　消费商品 .........................................................................................44
2.2.5　访客评分 .........................................................................................45
2.2.6　以（旧的）Netflix 方式了解你的用户 .........................................48
2.3　识别用户 .....................................................................................................49
2.4　从其他途径获取访客数据 .........................................................................50
2.5　收集器 .........................................................................................................50
2.5.1　构建项目文件 .................................................................................52
2.5.2　数据模型 .........................................................................................52
2.5.3　告密者（snitch）：客户端证据收集器 ..........................................53
2.5.4　将收集器集成到 MovieGEEKs 中 .................................................54
2.6　系统中的用户是谁以及如何对其进行建模 .............................................57
小结 ......................................................................................................................60
第3章　监控系统.........................................................................................61
3.1　为什么添加仪表盘是个好主意 .................................................................62
3.1.1　回答“我们做得怎么样？” ...........................................................62
3.2　执行分析 .....................................................................................................64
3.2.1　网站分析 .........................................................................................64
3.2.2　基本统计数据 .................................................................................64
3.2.3　转化 .................................................................................................65
3.2.4　分析转化路径 .................................................................................69
3.2.5　转化路径 .........................................................................................70
3.3　角色 .............................................................................................................73
3.4 MovieGEEKs仪表盘 ...................................................................................76
3.4.1　自动生成日志数据 .........................................................................76
3.4.2　分析仪表盘的规范和设计 .............................................................77
3.4.3　分析仪表盘示意图 .........................................................................77
3.4.4　架构 .................................................................................................78
小结 ......................................................................................................................81
第4章　评分及其计算方法............................................................................82
4.1　用户-商品喜好 ...........................................................................................83
4.1.1　什么是评分 .....................................................................................83
4.1.2　用户 - 商品矩阵 .............................................................................84
4.2　显式评分和隐式评分 .................................................................................86
4.2.1　如何选择可靠的推荐来源 .............................................................87
4.3　重温显式评分 .............................................................................................88
4.4　什么是隐式评分 .........................................................................................88
4.4.1　与人相关的推荐 .............................................................................90
4.4.2　关于计算评分的思考 .....................................................................90
4.5　计算隐式评分 .............................................................................................93
4.5.1　看看行为数据 .................................................................................94
4.5.2　一个有关机器学习的问题 .............................................................98
4.6　如何计算隐式评分 .....................................................................................99
4.6.1　添加时间因素 ...............................................................................102
4.7　低频商品更有价值 ...................................................................................105
小结 ...............................................................

【作者简介】:
Kim Falk 是一位数据科学家，他在构建数据驱动的应用程序方面有着丰富的经验。他对推荐系统和机器学习很感兴趣。他所训练的推荐系统，为用户推荐合适的电影，为人们推送广告，甚至帮助律师找到判例法的内容。自 2010 年以来，他一直从事大数据解决方案和机器学习方面的工作。Kim 经常参与有关推荐系统的演讲和写作。当 Kim 不工作的时候，他就是一个居家男人，一位父亲，会带着他的德国短毛指示犬越野跑。
李源，曾在华为技术有限公司从事开发、系统架构、项目管理等多个岗位的工作，后在途牛旅游网担任研发中心总经理一职，目前在中国旅游集团旅行服务事业群担任研发总经理，有丰富的研发、架构设计及管理经验，负责过多个大型项目的规划和落地，曾翻译《Java性能调优指南》、《Serverless架构》等书籍。朱罡罡，2012年西安电子科技大学本科毕业，曾担任知名上市OTA企业系统架构师、研发总监等职位，目前就职于TOP50央企信息技术部，担任研发经理岗位，拥有发明专利1个。技术研究领域涵盖互联网系统技术架构设计、大数据、推荐系统算法等，对在线旅游系统的基于用户推荐和基于内容推荐有过一定的研究。温睿，互联网行业从业9年，资深系统架构师，从事过大型高并发Web网站开发、手机APP开发、IM服务开发、微服务系统架构等工作，熟练掌握各种常用前后端开发语言、脚本语言和框架。
配送说明

...
相似商品
为你推荐

孔网分类

图书

图书

实用推荐系统

孔网啦啦啦啦啦纺织女工火锅店第三课