相關領域專家的研究經驗和實戰經驗    總結當今互聯網領域中和推薦有關的產品和服務    Web 2.0時代的推薦閱讀著作    以實戰為基礎，理論和實踐並重，適合不同層次的讀者。    《數學之美》作者吳軍等強力推薦

●第1章好的推薦繫統1
1．1什麼是推薦繫統1
1．2個性化推薦繫統的應用4
1．2．1電子商務4
1．2．2電影和視頻網站8
1．2．3個性化音樂網絡電臺10
1．2．4社交網絡12
1．2．5個性化閱讀15
1．2．6基於位置的服務16
1．2．7個性化郵件17
1．2．8個性化廣告18
1．3推薦繫統評測19
1．3．1推薦繫統實驗方法20
1．3．2評測指標23
1．3．3評測維度34
第2章利用用戶行為數據35
2．1用戶行為數據簡介36
2．2用戶行為分析39
2．2．1用戶活躍度和物品流行度的分布39
2．2．2用戶活躍度和物品流行度的關繫41
2．3實驗設計和算法評測41
2．3．1數據集42
2．3．2實驗設計42
2．3．3評測指標42
2．4基於鄰域的算法44
2．4．1基於用戶的協同過濾算法44
2．4．2基於物品的協同過濾算法51
2．4．3UserCF和ItemCF的綜合比較59
2．5隱語義模型64
2．5．1基礎算法64
2．5．2基於LFM的實際繫統的例子70
2．5．3LFM和基於鄰域的方法的比較72
2．6基於圖的模型73
2．6．1用戶行為數據的二分圖表示73
2．6．2基於圖的推薦算法73
第3章推薦繫統冷啟動問題78
3．1冷啟動問題簡介78
3．2利用用戶注冊信息79
3．3選擇合適的物品啟動用戶的興趣85
3．4利用物品的內容信息89
3．5發揮專家的作用94
第4章利用用戶標簽數據96
4．1UGC標簽繫統的代表應用97
4．1．1Delicious97
4．1．2CiteULike98
4．1．3Last．fm98
4．1．4豆瓣99
4．1．5Hulu99
4．2標簽繫統中的推薦問題100
4．2．1用戶為什麼進行標注100
4．2．2用戶如何打標簽101
4．2．3用戶打什麼樣的標簽102
4．3基於標簽的推薦繫統103
4．3．1實驗設置104
4．3．2一個簡單的算法105
4．3．3算法的改進107
4．3．4基於圖的推薦算法110
4．3．5基於標簽的推薦解釋112
4．4給用戶推薦標簽115
4．4．1為什麼要給用戶推薦標簽115
4．4．2如何給用戶推薦標簽115
4．4．3實驗設置116
4．4．4基於圖的標簽推薦算法119
4．5擴展閱讀119
第5章利用上下文信息121
5．1時間上下文信息122
5．1．1時間效應簡介122
5．1．2時間效應舉例123
5．1．3繫統時間特性的分析125
5．1．4推薦繫統的實時性127
5．1．5推薦算法的時間多樣性128
5．1．6時間上下文推薦算法130
5．1．7時間段圖模型134
5．1．8離線實驗136
5．2地點上下文信息139
5．3擴展閱讀143
第6章利用社交網絡數據144
6．1獲取社交網絡數據的途徑144
6．1．1電子郵件145
6．1．2用戶注冊信息146
6．1．3用戶的位置數據146
6．1．4論壇和討論組146
6．1．5即時聊天工具147
6．1．6社交網站147
6．2社交網絡數據簡介148
社交網絡數據中的長尾分布149
6．3基於社交網絡的推薦150
6．3．1基於鄰域的社會化推薦算法151
6．3．2基於圖的社會化推薦算法152
6．3．3實際繫統中的社會化推薦算法153
6．3．4社會化推薦繫統和協同過濾推薦繫統155
6．3．5信息流推薦156
6．4給用戶推薦好友159
6．4．1基於內容的匹配161
6．4．2基於共同興趣的好友推薦161
6．4．3基於社交網絡圖的好友推薦161
6．4．4基於用戶調查的好友推薦算法對比164
6．5擴展閱讀165
第7章推薦繫統實例166
7．1外圍架構166
7．2推薦繫統架構167
7．3推薦引擎的架構171
7．3．1生成用戶特征向量172
7．3．2特征-物品相關推薦173
7．3．3過濾模塊174
7．3．4排名模塊174
7．4擴展閱讀178
第8章評分預測問題179
8．1離線實驗方法180
8．2評分預測算法180
8．2．1平均值180
8．2．2基於鄰域的方法184
8．2．3隱語義模型與矩陣分解模型186
8．2．4加入時間信息192
8．2．5模型融合193
8．2．6NetflixPrize的相關實驗結果195
後記196

本書通過大量代碼和圖表全面繫統地闡述了和推薦繫統有關的理論基礎，介紹了評價推薦繫統優劣的各種標準（比如覆蓋率、滿意度）和方法（比如AB測試、總結了當今互聯網領域中各種和推薦有關的產品和服務。另外，本書為有興趣開發推薦繫統的讀者給出了設計和實現推薦繫統的方法與技巧，並解答了在真實場景中應用推薦技術時最常遇到的一些問題。
本書適合對推薦技術感興趣的讀者學習參考。

項亮 編