推薦系統(tǒng)
編輯推薦：
通過(guò)對(duì)本書的學(xué)習(xí)，讀者不僅可以全面系統(tǒng)地了解該領(lǐng)域的基礎(chǔ)原理，還能試驗(yàn)如何搭建一套真正的推薦系統(tǒng)。
—— 百度主任架構(gòu)師、百度技術(shù)委員會(huì)主席 廖若雪
本書比較全面地介紹了推薦系統(tǒng)涉及的相關(guān)知識(shí)點(diǎn)，很適合對(duì)于推薦系統(tǒng)感興趣的相關(guān)人員作為入門教程，目前能夠系統(tǒng)全面介紹相關(guān)技術(shù)的中文書籍還顯得匱乏，相信這本譯著對(duì)于緩解這種情況大有裨益。
——新浪微博數(shù)據(jù)挖掘技術(shù)專家 張俊林
本書不但介紹了比較成熟的經(jīng)典算法，還介紹了最近幾年的一些新進(jìn)展，并輔之以實(shí)際應(yīng)用的案例介紹。希望看到越來(lái)越多的朋友加入到推薦引擎的研究和應(yīng)用中來(lái)！
——百分點(diǎn)信息科技有限公司首席運(yùn)營(yíng)官兼技術(shù)副總裁 張韶峰
由蔣凡執(zhí)筆翻譯的這本《推薦系統(tǒng)》是一本從基礎(chǔ)介紹推薦引擎的難得的好書，給人啟迪良多。愿越來(lái)越多的互聯(lián)網(wǎng)愛(ài)好者認(rèn)真閱讀本書，走在互聯(lián)網(wǎng)發(fā)展大潮的前沿，成為下一代互聯(lián)網(wǎng)產(chǎn)品真...
編輯推薦：
通過(guò)對(duì)本書的學(xué)習(xí)，讀者不僅可以全面系統(tǒng)地了解該領(lǐng)域的基礎(chǔ)原理，還能試驗(yàn)如何搭建一套真正的推薦系統(tǒng)。
—— 百度主任架構(gòu)師、百度技術(shù)委員會(huì)主席 廖若雪
本書比較全面地介紹了推薦系統(tǒng)涉及的相關(guān)知識(shí)點(diǎn)，很適合對(duì)于推薦系統(tǒng)感興趣的相關(guān)人員作為入門教程，目前能夠系統(tǒng)全面介紹相關(guān)技術(shù)的中文書籍還顯得匱乏，相信這本譯著對(duì)于緩解這種情況大有裨益。
——新浪微博數(shù)據(jù)挖掘技術(shù)專家 張俊林
本書不但介紹了比較成熟的經(jīng)典算法，還介紹了最近幾年的一些新進(jìn)展，并輔之以實(shí)際應(yīng)用的案例介紹。希望看到越來(lái)越多的朋友加入到推薦引擎的研究和應(yīng)用中來(lái)！
——百分點(diǎn)信息科技有限公司首席運(yùn)營(yíng)官兼技術(shù)副總裁 張韶峰
由蔣凡執(zhí)筆翻譯的這本《推薦系統(tǒng)》是一本從基礎(chǔ)介紹推薦引擎的難得的好書，給人啟迪良多。愿越來(lái)越多的互聯(lián)網(wǎng)愛(ài)好者認(rèn)真閱讀本書，走在互聯(lián)網(wǎng)發(fā)展大潮的前沿，成為下一代互聯(lián)網(wǎng)產(chǎn)品真正需要的人才。
——人民搜索商務(wù)搜索部總監(jiān) 常興龍
讀者評(píng)價(jià)：
這是迄今為止市面上所有講推薦系統(tǒng)的書中最全面、最實(shí)用的一本入門指南。如果你是教這門課的大學(xué)老師，萬(wàn)萬(wàn)不能錯(cuò)過(guò)這本“推薦系統(tǒng)大全”。尤其值得稱道的是，這本書廣泛涵蓋了不同類型的推薦系統(tǒng)，并對(duì)它們逐一進(jìn)行了鞭辟入里、細(xì)致入微的剖析。雖然這本書定位于初中級(jí)讀者，但是我認(rèn)為即使是經(jīng)驗(yàn)豐富的專業(yè)人員，也會(huì)在其中發(fā)現(xiàn)新鮮有趣的內(nèi)容。
——Robin Burke, 芝加哥德保羅大學(xué)教授
本書涵蓋了推薦系統(tǒng)領(lǐng)域的全部知識(shí)，并為應(yīng)對(duì)未來(lái)新的挑戰(zhàn)提供了前瞻性建議。書中全面解釋了一系列生成推薦的經(jīng)典算法和方法，概述了源自社交計(jì)算和語(yǔ)義網(wǎng)的新手段對(duì)推薦系統(tǒng)的作用。希望這本書能夠點(diǎn)燃你的激情，釋放你的創(chuàng)造力和進(jìn)取精神，把推薦系統(tǒng)的研究與應(yīng)用推向新的高度。
——Joseph A. Konstan, 美國(guó)明尼蘇達(dá)大學(xué)教授
內(nèi)容簡(jiǎn)介：
本書全面闡述了開發(fā)最先進(jìn)推薦系統(tǒng)的方法，其中呈現(xiàn)了許多經(jīng)典算法，并討論了如何衡量推薦系統(tǒng)的有效性。書中內(nèi)容分為基本概念和最新進(jìn)展兩部分：前者涉及協(xié)同推薦、基于內(nèi)容的推薦、基于知識(shí)的推薦、混合推薦方法，推薦系統(tǒng)的解釋、評(píng)估推薦系統(tǒng)和實(shí)例分析；后者包括針對(duì)推薦系統(tǒng)的攻擊、在線消費(fèi)決策、推薦系統(tǒng)和下一代互聯(lián)網(wǎng)以及普適環(huán)境中的推薦。此外，本書還包含大量的圖、表和示例，有助于讀者理解和把握相關(guān)知識(shí)。
本書適用于從事搜索引擎、推薦算法、數(shù)據(jù)挖掘等研發(fā)工作的專業(yè)人員以及對(duì)推薦系統(tǒng)感興趣的讀者。
作者簡(jiǎn)介：
Dietmar Jannach
是德國(guó)的多特蒙德工業(yè)大學(xué)（Technische Universit?t Dortmund）計(jì)算機(jī)科學(xué)系客座教授。他發(fā)表過(guò)一百多篇科學(xué)論文，是《應(yīng)用智能》雜志編委會(huì)和《國(guó)際電子商務(wù)雜志》評(píng)審委員會(huì)成員。
Markus Zanker
是奧地利克拉根福阿爾卑斯-亞德里大學(xué)（Alpen-Adria Universit?t Klagenfurt）應(yīng)用信息學(xué)系助理教授及信息管理研究項(xiàng)目主任。他還是《人機(jī)交互研究國(guó)際雜志》的副主編和 ConfigWorks GmbH的共同創(chuàng)始人及執(zhí)行總監(jiān)。