书籍介绍
本书深入全面地讲解了现代推荐算法，同时兼顾深度和广度，介绍了当下较前沿、先进的各类算法及其实践。本书从总览篇开始，介绍推荐系统的基本概念及工作环节。在模型篇中，除了梳理推荐系统的发展史，本书还重点讲解面向工业实践的选择及改进，为读者打下推荐系统的算法基础；进而带着读者进阶到前沿篇、难点篇，面对推荐系统中的各式问题，给出解决方案；*后在决策篇中，从技术原理和用户心理出发，解释一些常见决策背后的依据，从而帮助读者从执行层面进阶到决策层面，建立大局观。本书力求用简洁易懂的语言说清核心原理，对已经有一定机器学习概念和数学基础的学生和相关领域的从业者非常友好，特别适合推荐系统、计算广告和搜索领域的从业者及学生拓展新知和项目实战
赵致辰
本硕毕业于清华大学电子工程系。主要研究方向包括动作识别、人脸识别、广告和推荐中的排序模型及冷启动问题等，发表相关学术领域论文7篇。曾从事移动端人脸识别工作，开发的红外人脸识别算法应用于国内多款手机；在推荐领域，提出的“POSO”模型在用户冷启动问题上取得突破性收益，已经在业界广泛应用，国内外多家公司与产品如TikTok、快手、Meta等都在以POSO为原型探索冷启动模型
作者简介
赵致辰
本硕毕业于清华大学电子工程系。主要研究方向包括动作识别、人脸识别、广告和推荐中的排序模型及冷启动问题等，发表相关学术领域论文7篇。曾从事移动端人脸识别工作，开发的红外人脸识别算法应用于国内多款手机；在推荐领域，提出的“POSO”模型在用户冷启动问题上取得突破性收益，已经在业界广泛应用，国内外多家公司与产品如TikTok、快手、Meta等都在以POSO为原型探索冷启动模型
目录
总览篇
第 1 章 推荐系统概述 ............................................................................................. 2
1.1 推荐系统是什么 .......................................................................................... 2
1.2 推荐系统发展的天时、地利、人和 .......................................................... 4
1.2.1 天时 .................................................................................................. 6
显示全部
用户评论
很多关于推荐算法的书，里面的部分内容对于现在来说都相对过时了，推荐算法的更新发展是非常迅速的，这本书不但内容比较新，还有很多开放性的问题，激发读者思考与想象。这类开放性问题将对推荐算法发展产生至关重要的作用。
这本书不但讲解了推荐算法的各个环节，还介绍了相关难点，进行拔高，通过阅读决策篇，可以提高专业人士的视野，解释决策背后的原理。
通过阅读这本书，使专业人士具备更为综合的能力，学会利用推荐算法思维，更精准的将产品推荐给有需要的用户，从而提升产品的销量，进一步实现程序的优化升级。
有比较多工业界遇到的具体问题的讨论，同时文字比较通俗，抓问题本质。
书中提到将模型当做人来看待，将系统拟人化，有利于更好地理解系统，在面临算法疲劳，推荐系统没有做到精准推荐时，也会灰心，需要作为“老师”的推荐算法工程师对它进行帮助，是系统更加完善，更加精准，那么如何才能帮助系统呢？需要工程师资深具有一定的专业能力，而本书就是提升专业能力的基石。
这本书讲述了推荐算法遇到的很多问题，而不是一味地吹捧，同时作者讲述了自己对于问题的思考，具有启发的作用，不单单是对于知识的说明，更重要的是鼓励专业人士多思考，积极地发现并思考问题。
全面地介绍了推荐算法的基础知识，梳理推荐系统的发展，并介绍了当下比较前沿的各类算法和实践，针对算法问题给出相关的解决方案，非常实用。
这本书对于我这个推荐算法从业者也有一定的帮助，受益匪浅。
电子工业出版社的其他书籍查看全部
收藏