現(xiàn)代推薦算法

本書深入全面地講解了現(xiàn)代推薦算法，同時兼顧深度和廣度，介紹了當下較前沿、先進的各類算法及其實踐。本書從總覽篇開始，介紹推薦系統(tǒng)的基本概念及工作環(huán)節(jié)。在模型篇中，除了梳理推薦系統(tǒng)的發(fā)展史，本書還重點講解面向工業(yè)實踐的選擇及改進，為讀者打下推薦系統(tǒng)的算法基礎；進而帶著讀者進階到前沿篇、難點篇，面對推薦系統(tǒng)中的各式問題，給出解決方案；*后在決策篇中，從技術原理和用戶心理出發(fā)，解釋一些常見決策背后的依據(jù)，從而幫助讀者從執(zhí)行層面進階到?jīng)Q策層面，建立大局觀。本書力求用簡潔易懂的語言說清核心原理，對已經(jīng)有一定機器學習概念和數(shù)學基礎的學生和相關領域的從業(yè)者非常友好，特別適合推薦系統(tǒng)、計算廣告和搜索領域的從業(yè)者及學生拓展新知和項目實戰(zhàn)

趙致辰

本碩畢業(yè)于清華大學電子工程系。主要研究方向包括動作識別、人臉識別、廣告和推薦中的排序模型及冷啟動問題等，發(fā)表相關學術領域論文7篇。曾從事移動端人臉識別工作，開發(fā)的紅外人臉識別算法應用于國內(nèi)多款手機；在推薦領域，提出的“POSO”模型在用戶冷啟動問題上取得突破性收益，已經(jīng)在業(yè)界廣泛應用，國內(nèi)外多家公司與產(chǎn)品如TikTok、快手、Meta等都在以POSO為原型探索冷啟動模型