Recommendation System Practice

by Xiang Liang

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载（informationoverload）的时代。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：对于信息消费者，从大量信息中找到自己感兴趣的信息是一件非常困难的事情；对于信息生产者，让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。相关领域专家的研究经验和实战经验总结当今互联网领域中和推荐有关的产品和服务Web2.0时代的必读著作以实战为基础，理论和实践并重，适合不同层次的读者。《数学之美》作者吴军等强力推荐第1章好的推荐系统1.1什么是推荐系统1.2个性化推荐系统的应用1.2.1电子商务1.2.2电影和视频网站1.2.3个性化音乐网络电台1.2.4社交网络1.2.5个性化阅读1.2.6基于位置的服务1.2.7个性化邮件1.2.8个性化广告1.3推荐系统评测1.3.1推荐系统实验方法1.3.2评测指标1.3.3评测维度第2章利用用户行为数据2.1用户行为数据简介2.2用户行为分析2.2.1用户活跃度和物品流行度的分布2.2.2用户活跃度和物品流行度的关系2.3实验设计和算法评测2.3.1数据集2.3.2实验设计2.3.3评测指标2.4基于邻域的算法2.4.1基于用户的协同过滤算法2.4.2基于物品的协同过滤算法2.4.3UserCF和ItemCF的综合比较2.5隐语义模型2.5.1基础算法2.5.2基于LFM的实际系统的例子2.5.3LFM和基于邻域的方法的比较2.6基于图的模型2.6.1用户行为数据的二分图表示2.6.2基于图的推荐算法第3章推荐系统冷启动问题3.1冷启动问题简介3.2利用用户注册信息3.3选择合适的物品启动用户的兴趣3.4利用物品的内容信息3.5发挥专家的作用第4章利用用户标签数据4.1UGC标签系统的代表应用4.1.1Delicious4.1.2CiteULike4.1.3Last.fm4.1.4豆瓣4.1.5Hulu4.2标签系统中的推荐问题4.2.1用户为什么进行标注4.2.2用户如何打标签4.2.3用户打什么样的标签4.3基于标签的推荐系统4.3.1实验设置4.3.2一个最简单的算法4.3.3算法的改进4.3.4基于图的推荐算法4.3.5基于标签的推荐解释4.4给用户推荐标签4.4.1为什么要给用户推荐标签4.4.2如何给用户推荐标签4.4.3实验设置4.4.4基于图的标签推荐算法4.5扩展阅读第5章利用上下文信息5.1时间上下文信息5.1.1时间效应简介5.1.2时间效应举例5.1.3系统时间特性的分析5.1.4推荐系统的实时性5.1.5推荐算法的时间多样性5.1.6时间上下文推荐算法5.1.7时间段图模型5.1.8离线实验5.2地点上下文信息5.3扩展阅读第6章利用社交网络数据6.1获取社交网络数据的途径6.1.1电子邮件6.1.2用户注册信息6.1.3用户的位置数据

199 pages, Paperback

Published June 1, 2012

Reviews

[Lula · Rating 3 out of 5]

很好的一个小白入门书，以后需要时可以再翻翻

[Joseph Tang · Rating 4 out of 5]

结合了很多实例，基础的算法和系统讲得也还全面。对于推荐系统的初步认识比较适合。用到的算法基础算法如User CF、Item CF、矩阵分解、图模型（相关性传递），对冷启动也有探讨。用户标签、上下文、社交网络数据等，都是为了更好的理解用户理解意图。作者提到的一些value 按照时间衰减在实际应用中也非常常用。