推荐系统是根据用户的兴趣特点、行为,向用户推荐用户感兴趣的信息和物品。随着互联网领域地不断发展,物品数量和种类急剧增长,用户开始面临严重的信息过载问题,很多情况下为获得感兴趣的物品和信息他们不得不浏览大量无关信息和物品。另外,因为信息及物品众多,怎样将特定物品展示到用户面前变得非常重要。比如社交网络上的好友推荐,电子商务网站上的产品推荐等。从1994年开始,经过Amazon、Netflix等著名公司的努力,现实已经充分证明了它的作用,越来越多的国内公司开始关注推荐系统,技术人员也开始越来越多地关注推荐技术。

本书作者给出了大量代码示例、图、表,全面系统地阐述了和推荐系统有关的理论基础,介绍了评价推荐系统优劣的各种标准(比如覆盖率、满意度)和方法(比如AB测试),总结了当今互联网领域中各种和推荐有关的产品和服务。另外,本书为有兴趣开发推荐系统的读者给出了设计和实现的方法和技巧,解答了应用推荐技术到真实场景中时最常遇到的一些问题。

本书内容涉及冷启动、协同过滤、内容过滤、社会化过滤、上下文推荐、推荐解释和推荐系统评测等。

本书作者具有相关领域的研究经验和实战经验,既知晓相关研究的最新进展,也了解实际系统中各种方法的应用效果,而本书以实战为基础,理论与实践并重,适合不同层次读者的阅读需求。