《推薦系統：技術、評估及高效算法》一導讀

推薦系統是為使用者推薦所需物品的軟體工具和技術。提供的推薦旨在通過各種決策過程來支援使用者，例如，買什麼物品、聽什麼歌或者讀什麼新聞。推薦系統對于線上使用者處理資訊過載是一個非常有價值的方法，并成為電子商務領域最強大和流行的工具。是以，人們提出了各種各樣的推薦技術，并在過去的10年中将其中很多方法成功地運用在商務領域。

推薦系統的發展需要多學科的支援，涉及來自各個領域的專家知識，如人工智能、人機互動、資訊檢索、資料挖掘、資料統計、自适應使用者界面、決策支援系統、市場營銷或消費者行為等。本書旨在基于這種多樣性，通過展示推薦系統的主要概念、理論、方法論、趨勢、挑戰和應用等連貫而又統一的知識體系，幫助讀者從差異之中梳理出頭緒。這是第一本全面闡述推薦系統的書，其中覆寫了主要技術的多個方面。本書中的豐富資訊和實踐内容為研究人員、學生和行業中的實踐者提供了一個有關推薦系統的全面但簡潔友善的參考源。本書不僅詳細介紹了經典方法，而且介紹了最近引進的新方法及其擴充。本書由五部分組成：技術、推薦系統的應用和評估、推薦系統的互動、推薦系統和社群及進階算法。第一部分展示了如今建構推薦系統的最流行和最基礎的技術，如協同過濾、基于内容的過濾、資料挖掘方法和基于情境感覺的方法。第二部分首先介紹用來評估推薦品質的研究技術和方法；其次說明了設計推薦系統的實際方面，如設計和實作的考慮，選擇更合适算法的環境指南；再次讨論了可能影響設計的相關方面；最後探讨了應用在已成型系統評估上的方法、挑戰和估量。第三部分包括了探讨一系列問題的文章，這些問題包括推薦的展示、浏覽、解釋和視覺化，以及使得推薦過程更結構化和友善的技術等。

第四部分完全聚焦于一個全新的話題，但該話題卻基于過濾推薦的主要思想，例如利用使用者産生的各種類型的内容來建構具有新類型并更加可信的推薦系統。

第五部分搜集了一些關于高階話題的文章，例如利用主動學習技術來引導新知識的學習，建構能夠抵擋惡意使用者攻擊的健壯推薦系統的合适技術，以及結合多種使用者回報和偏好來生成更加可信的推薦系統。

我們要感謝所有為本書做出貢獻的作者。感謝所有審閱人員提出的慷慨意見及建議。特别感謝susan lagerstromfife和springer的成員，感謝他們在寫這本書過程中的合作。最後我們希望這本手冊有助于這一學科的發展，為新手提供一個卓有成效的學習方案，能夠激起更多專業人士有興趣參與本書所讨論的主題，使這個具有挑戰性的領域能夠碩果累累，長足進展。

<a href="https://yq.aliyun.com/articles/107509">第1章　概述</a>

<a href="https://yq.aliyun.com/articles/107520">1.1　簡介</a>

<a href="https://yq.aliyun.com/articles/107523">1.2　推薦系統的功能</a>

<a href="https://yq.aliyun.com/articles/107531">1.3　資料和知識資源</a>

<a href="https://yq.aliyun.com/articles/107537">1.4　推薦技術</a>

<a href="https://yq.aliyun.com/articles/107544">1.5　應用與評價</a>

<a href="https://yq.aliyun.com/articles/107548">1.6　推薦系統與人機互動</a>

<a href="https://yq.aliyun.com/articles/107551">1.7　推薦系統是個交叉學科領域</a>

<a href="https://yq.aliyun.com/articles/107559">1.8　出現的問題和挑戰</a>

參考文獻

第一部分　基礎技術

<a href="https://yq.aliyun.com/articles/107562">第2章　推薦系統中的資料挖掘方法</a>

<a href="https://yq.aliyun.com/articles/107564">2.1　簡介</a>

<a href="https://yq.aliyun.com/articles/107575">2.2　資料預處理</a>

<a href="https://yq.aliyun.com/articles/107581">2.3　分類</a>

<a href="https://yq.aliyun.com/articles/107583">2.4　聚類分析</a>

<a href="https://yq.aliyun.com/articles/107585">2.5　關聯規則挖掘</a>

<a href="https://yq.aliyun.com/articles/107589">2.6　總結</a>

緻謝

<a href="https://yq.aliyun.com/articles/107593">第3章　基于内容的推薦系統：前沿和趨勢</a>

<a href="https://yq.aliyun.com/articles/107595">3.1　簡介</a>

<a href="https://yq.aliyun.com/articles/107597">3.2　基于内容的推薦系統的基礎</a>

<a href="https://yq.aliyun.com/articles/107604">3.3　基于内容的推薦系統的現狀</a>

<a href="https://yq.aliyun.com/articles/107607">3.4　趨勢和未來研究</a>

<a href="https://yq.aliyun.com/articles/107608">3.5　總結</a>

第4章　基于近鄰推薦方法綜述

4.1　簡介

4.1.1　問題公式化定義

4.1.2　推薦方法概要

4.1.3　基于近鄰方法的優勢

4.1.4　目标和概要

4.2　基于近鄰推薦

4.2.1　基于使用者評分

4.2.2　基于使用者分類

4.2.3　回歸與分類

4.2.4　基于物品推薦

4.2.5　基于使用者和基于物品推薦的對比

4.3　近鄰方法的要素

4.3.1　評分标準化

4.3.2　相似度權重計算

4.3.3　近鄰的選擇

4.4　進階進階技術

4.4.1　降維方法

4.4.2　基于圖方法

4.5　總結