推荐系统技术原理与实践( 货号:711560980) mobi 百度云 txt pdb 下载 lrf pdf 地址

基本信息

商品名称： 推荐系统技术原理与实践

出版社： 人民邮电出版社

出版时间：2023-06-01

作者：文亮

译者：

开本： 16开

定价： 79.80

页数：222

印次： 1

ISBN号：9787115609809

商品类型：图书

版次： 1 内容提要

本书系统介绍推荐系统

的技术理论和实践。首先介

绍推荐系统的基础知识；然

后介绍推荐系统常用的机器

学习和深度学习模型；接着

重点介绍推荐系统的4层J

联架构，包括召回、粗排、

精排和重排，以及谷歌、阿

里巴巴等大型互联网公司在

4层J联架构中的模型设计

和实现原理；紧接其后介绍

多目标排序在推荐系统中的

应用，具体介绍阿里巴巴、

谷歌等大型互联网公司的实

践；Z后从不同角度审视推

荐系统，介绍公平性问题、

知识蒸馏、冷启动等各种前

沿实践。本书基于一线研发

人员的视角向读者分享推荐

系统的实践经验，所有模型

结构和前沿实践都在业务场

景中落地。

本书适合推荐系统领域

的从业者、高校科研人员、

高校计算机专业学生，以及

对推荐系统感兴趣的产品研

发人员和运营人员阅读。

目录

第1章 推荐系统简介

1.1 什么是推荐系统

1.2 推荐系统的作用和意义

1.3 推荐系统的技术架构

1.4 推荐系统的召回阶段

1.5 推荐系统的粗排阶段

1.6 推荐系统的精排阶段

1.7 推荐系统的重排阶段

1.8 小结

第2章 推荐系统算法基础

2.1 LR——应用J广的机器学习模型

2.1.1 LR的数学原理

2.1.2 LR的训练方法

2.1.3 LR的训练优化

2.1.4 LR的优势和局限性

2.2 MLP——J简单的深度学习模型

2.2.1 MLP的模型结构

2.2.2 MLP的训练方法

2.2.3 MLP的优势和局限性

2.3 机器学习常用的优化算法

2.3.1 随机梯度下降法

2.3.2 小批量随机梯度下降法

2.3.3 FTRL在线学习算法

2.4 深度学习常用的优化算法

2.4.1 深度学习的优化挑战

2.4.2 AdaGrad算法

2.4.3 RMSProp算法

2.4.4 AdaDelta算法

2.4.5 Adam算法

2.5 深度学习常用的激活函数

2.5.1 引入激活函数的目的

2.5.2 sigmoid激活函数

2.5.3 ReLU激活函数

2.5.4 Leaky ReLU激活函数

2.5.5 PReLU激活函数

2.5.6 阿里巴巴的Dice激活函数

2.5.7 RReLU激活函数

……

第3章 召回技术演进

第4章 粗排技术演进

第5章 精排技术演进

第6章 重排技术演进

第7章 多目标排序在推荐系统中的应用

第8章 推荐系统的前沿实践

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：推荐系统技术原理与实践( 货号:711560980)在线阅读

在线听书地址：推荐系统技术原理与实践( 货号:711560980)在线收听

在线购买地址：推荐系统技术原理与实践( 货号:711560980)在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！