论坛元老
- 威望
- 444
- 贡献
- 496
- 热心值
- 1
- 金币
- 3641
- 注册时间
- 2023-4-2
|
深度学习在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、推荐系统工程实现、模型评估体系、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。
《深度学习推荐系统》既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本 科生、研究生、博士生阅读，帮助他们建立深度学习推荐系统的技术框架，通过学习前沿案例 加强深度学习理论与推荐系统工程实践的融合能力。
Table of contents :
目录
1 互联网的增长引擎-推荐系统
1.2 推荐系统的架构
1.3 本书的整体结构
2 前深度学习时代
2.1 传统推荐模型的演化关系图
2.2 协同过滤
2.3 矩阵分解
2.4 逻辑回归
2.5 FM到FFM
2.6 GBDT+LR
2.7 LS-PLM
2.8 总结
3 深度学习在推荐系统中的应用
3.1 深度学习推荐模型的演化关系图
3.2 AutoRec
3.3 Deep Crossing
3.4 NeuralCf
3.5 PNN
3.6 Wide&Deep
3.7 FM与深度学习模型的结合
4 Embeding在推荐系统中的应用
4.1 什么是Embeding
4.2 Word2Vec
4.3 Item2Vec
4.4 Graph Embedding
4.5 Embedding与深度学习推荐系统的结合
4.6 局部敏感哈希
4.7 总结
5 多角度审视推荐系统
5.1 推荐系统的特征工程
5.2 召回层的主要策略
5.3 实时性
5.5 推荐系统中比模型结构更重要的是什么
5.6 冷启动
9 构建属于你的推荐系统知识框架
9.1 推荐系统的整体知识架构图
9.3 如何成为一名优秀的推荐工程师
|
|
发表于 2023-9-18 12:04
