简介

精彩点评

• 

  zalan

  推荐

  推荐方向很不错的入门书籍，理论不深但表述清晰易懂，各类相似度和评分计算公式比较多，需要一定消化时间。发现CSDN好多博客的内容都是从这边书里搬运的。

• 

  Rebecca

  推荐

  在信息过载情况下，帮助用户找到他可能喜欢的物品并挖长尾，是推荐系统的主要任务。

• 

  蔷薇 🍑

  推荐

  想当初特别感兴趣推荐策略，一点一点看懂里面的公式，做笔记，写读书笔记，书画的乱七八糟的，很珍贵的回忆。

• 

  cccl

  推荐

  推荐系统是最感兴趣的领域之一，系统梳理了一遍，虽然算法部分有点吃力，还是值得深入学习

• 

  阿黎一只喵

  推荐

  感觉比较适合入门，更像是综述，讲了推荐系统的基本知识。更深的东西没有讲

• 

  李广宇

  推荐

  互联网殿堂级别的书，在2010年移动互联网还在萌芽阶段的时候就能有如此高的水准，以至于成为做搜索推荐的人必读书目，实在了不起。而且里面的思想十年过去了都没有过期，赞👍

• 

  wyj

  推荐

  阅读时长感人，就这还是放弃了大部分代码的时长，这下知道为啥程序员都得数学好了。总体来说很好，让我了解了推荐系统常用算法逻辑，之前就看过协同过滤算法，这本书里讲了一遍又一遍，还有隐语义模型，有的公式能看懂，越后面越不懂。看完才知道为什么app的推荐系统要用200个逻辑，都是在拿到用户行为数据后，生成用户特征向量，通过特征-物品矩阵转化为初始推荐列表，进行过滤、排名等处理，生成最终列表。各种推荐引擎按照一定权重和优先级合并、过滤、排序得到，不断优化。了解了各种评价推荐系统的指标，包括用户满意度、预测准确度（评分预测、Top N推荐）、覆盖率（被推荐的物品占总物品的比例）、多样性（覆盖用户不同兴趣）、新颖性、惊喜度、信任度、实时性、健壮性、商业目标等。前面4章内容对我来说更有用，第8章评分预测看不懂，奇异值分解、正则化...仿佛我从未学过线代。

• 

  胡争辉

  推荐

  几个基本推荐算法讲的很好，对于入门正合适，不过一些更新的技术如深度学习没有介绍，可能与书出的比较早有关

• 

  X🎋.Lu

  推荐

  推荐系统入门必看书籍。很多技术看着很老，但都是当下热门推荐系统算法的基石，因此还是需要好好去读去理解。另外本书公式很少，更多的是分析与调研或实验结果，因此对初学者全面思考推荐系统有启发意义，对于已深耕推荐系统多年的人来说，再回头看时，还能开卷有益，重新使你不忘初心，设计推荐模型时不要为了高级而高级，而应该关注推荐系统本身的特性与需求。

• 

  栗噔噔

  推荐

  写法像在写论文，先从通识的认识和解决方案切入，再由浅及深描述各类解决策略，的确是优秀的作品

• 

  海桐

  推荐

  “本书着重介绍了推荐系统的各种算法设计和系统设计的方法，并且利用一些公开的数据集离线评测了各种算法。”适合小白阅读，较为系统地讲解了推荐系统的理论与实践。本来因为毕业论文选择了陌生领域而后悔无比，怀疑选题的时候脑子被门夹了，不清醒。这几天，心更是乱成一团，焦躁不安，毫无头绪。读完本书，对推荐系统领域有了整体上的认识，思路也渐渐清晰起来。希望后续研究能渐入佳境～

• 

  lemon🌟

  推荐

  做feed策略产品怎么也要了解一下推荐算法吧，大部分还是能看得懂的，至于那些看不懂的代码和公式，自动跳过了。

• 

  Jojo Shi

  推荐

  虽然似懂非懂，还是觉得写得挺好的。看了之后对于推荐系统怎么做有了一些浅显的了解。

• 

  一个铁憨憨

  推荐

  偏技术实践，需要一定的技术功底才能真正理解算法的含义。比较适合工作5-3年的数据分析师/推荐算法工程师/推荐产品经理/搜索产品经理。不过其中的关于user iten以及物品item推荐实践原理还是挺有意思的，值得回味，并梳理成思维导图

• 

  kaggle

  推荐

  推荐系统入门必读，项师兄对于国内做推荐的xdjms贡献善莫大焉