- 推荐系统核心技术与实践
- - 作者：编者:游雪琪//刘建涛|责编:魏莹
  - 出版社：清华大学
  - ISBN：9787302681946
  - 出版日期：2025/03/01
  - 页数：352
- 售价：39.6

内容大纲
本书循序渐进地讲解了使用Python语言开发推荐系统的核心知识，并通过实例的实现过程演练了各个知识点的使用方法和使用流程。全书共分12章，内容包括推荐系统基础知识介绍、基于内容的推荐、协同过滤推荐、混合推荐、基于标签的推荐、基于知识图谱的推荐、基于隐语义模型的推荐、基于神经网络的推荐模型、序列建模和注意力机制、强化推荐学习、电影推荐系统、动漫推荐系统等。本书内容讲解简洁而不失技术深度，内容丰富全面，用简练的文字介绍了复杂的案例，易于读者学习。
本书适用于已经了解了Python语言基础语法，想进一步学习机器学习、深度学习、推荐系统技术的读者，还可以作为高等院校相关专业师生和培训机构的教材。
作者介绍
目录
第1章  推荐系统基础知识介绍
  1.1  推荐系统简介
    1.1.1  推荐系统的应用领域
    1.1.2  推荐系统的重要性
  1.2  推荐系统和人工智能
    1.2.1  机器学习
    1.2.2  深度学习
    1.2.3  推荐系统与人工智能的关系
  1.3  推荐系统算法概览
  1.4  推荐系统面临的挑战
    1.4.1  用户隐私和数据安全问题
    1.4.2  推荐算法的偏见和歧视
    1.4.3  推荐算法面临的社会影响和道德考量
第2章  基于内容的推荐
  2.1  文本特征提取
    2.1.1  词袋模型
    2.1.2  n-gram模型
    2.1.3  特征哈希
  2.2  TF-IDF（词频-逆文档频率）
    2.2.1  词频计算
    2.2.2  逆文档频率计算
    2.2.3  TF-IDF权重计算
  2.3  词嵌入
    2.3.1  分布式表示方法
    2.3.2  使用Word2Vec模型
    2.3.3  使用GloVe模型
  2.4  主题模型
    2.4.1  潜在语义分析
    2.4.2  隐含狄利克雷分布
    2.4.3  主题模型的应用
  2.5  文本分类和标签提取
    2.5.1  传统机器学习
    2.5.2  卷积神经网络
    2.5.3  循环神经网络
  2.6  文本情感分析
    2.6.1  机器学习方法
    2.6.2  深度学习方法
第3章  协同过滤推荐
  3.1  协同过滤推荐介绍
  3.2  基于用户的协同过滤
    3.2.1  基于用户的协同过滤推荐算法的基本步骤
    3.2.2  使用Python实现基于用户的协同过滤推荐
  3.3  基于物品的协同过滤
    3.3.1  计算物品之间的相似度
    3.3.2  协同过滤推荐实践
  3.4  基于模型的协同过滤
    3.4.1  矩阵分解模型
    3.4.2  基于图的模型
  3.5  混合型协同过滤
第4章  混合推荐

第5章  基于标签的推荐
第6章  基于知识图谱的推荐
第7章  基于隐语义模型的推荐
第8章  基于神经网络的推荐模型
第9章  序列建模和注意力机制
第10章  强化推荐学习
第11章  电影推荐系统
第12章  动漫推荐系统

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目