推薦系統實戰 Practical Recommender Systems(python) - 2019
圖片.png
下載： https://itbooks.pipipan.com/fs/18113597-335825118
檔案備份qq群：6089740
推薦系統實際上是保持網站內容最新，有用和有趣的訪問者的必要條件。 推薦系統隨處可見，幫助您找到從電影到工作，餐館到醫院，甚至浪漫的所有內容。 實用推薦系統幕後推手向讀者展示推薦系統如何工作，更重要的是，如何為他們的網站建立和應用它們。 本動手指南涵蓋了擴充套件問題以及隨著站點的增長可能遇到的其他問題。
本書分為兩部分，一部分側重於推薦系統基礎設施，另一部分側重於演算法。
在第1部分中，您將學習如何在嚮應用程式新增推薦系統時收集資料以及如何使用它：
第1章概述了建議並概述了關鍵要素。它提供了對推薦系統是什麼以及如何工作的廣泛理解。
第2章介紹如何理解使用者及其行為，並介紹從使用者收集資料的方法。
第3章介紹了網站分析，並展示瞭如何實施儀表板，以便跟蹤推薦人。
第4章討論了行為資料如何轉化為評級。
第5章介紹非個性化建議。
第6章概述了新使用者和產品的問題，並提供了簡單的解決方案。
在第2部分中，我們將介紹推薦系統演算法以及如何使用系統收集的資料來計算要向用戶推薦的內容：
第7章討論了計算使用者或電影等內容項之間相似性的公式。
第8章介紹了使用協同過濾的個性化建議。
第9章介紹了離線評估推薦人的指標，並概述了線上提出建議的方法。
第10章介紹了基於內容的過濾，它使用不同型別的演算法（如Latent Dirichlet Allocation和TF-IDF）查詢內容的相似性。
第11章回到第8章介紹的協同過濾，但現在使用降維方法進行討論。
第12章介紹了混合推薦者型別的方法。
第13章介紹了排名演算法和學習排名建議的方法。
第14章概述了本書，展望未來，接下來要學習的主題，進一步理解的書籍，以及演算法和背景的思考。
本書旨在從頭到尾閱讀，因為許多內容涉及前面的章節，但也可以通過閱讀選定的章節來理解。
參考資料
- 討論qq群144081101 591302926 567351477
- 本文最新版本地址
- 本文涉及的python測試開發庫 謝謝點贊！
- 本文相關海量書籍下載
- 2018最佳人工智慧機器學習工具書及下載(持續更新)