Systèmes de recommandation : une introduction
Version chinoise : "Système de recommandation"
Auteurs : Diermar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich
Contenu principal : ce livre présente de manière exhaustive les points de connaissance pertinents impliqués dans les systèmes de recommandation, présente de nombreux algorithmes classiques et explique comment mesurer l'efficacité des systèmes de recommandation. Le contenu du livre est divisé en deux parties : les concepts de base et les progrès récents : la première implique la recommandation collaborative, la recommandation basée sur le contenu, la recommandation basée sur la connaissance, les méthodes de recommandation hybrides, l'explication des systèmes de recommandation, l'évaluation des systèmes de recommandation et l'analyse de cas. ce dernier comprend des recommandations pour les systèmes de recommandation, les attaques, les décisions de consommation en ligne, les systèmes de recommandation et l'Internet de nouvelle génération, et la recommandation dans des environnements omniprésents.
Raisons de la recommandation : Ce livre est détaillé et couvre un large éventail de différents types de systèmes de recommandation. Il analyse ces systèmes de recommandation en détail un par un, complété par l'introduction de cas d'application pratiques. Il convient à ceux qui veulent comprendre les base des systèmes de recommandation et de la recherche connexe Readers comme livres d'introduction aux systèmes de recommandation. Le livre contient un grand nombre de tableaux et d'exemples pour aider les lecteurs à comprendre et à saisir les connaissances pertinentes.
Systèmes de recommandation : le manuel
Contenu principal : ce livre présente en détail tous les aspects des systèmes de recommandation, et le contenu est grossièrement divisé en trois parties : 1) La partie "Algorithmes et évaluation" traite des algorithmes de base des systèmes de recommandation, y compris les méthodes de filtrage collaboratif et les méthodes basées sur le contenu. . , méthodes basées sur la connaissance, méthodes d'ensemble et méthodes d'évaluation pour les systèmes de recommandation ; 2) La section "Domain and Context-Specific Recommender Systems" introduit l'utilisation de données contextuelles dans différents contextes tels que les données spatio-temporelles, les données sociales, les étiquettes 3) La section "Sujets et applications avancés" présente la robustesse des systèmes de recommandation, tels que les systèmes de shilling, les modèles d'attaque et les modèles de défense correspondants.
Raison recommandée : il s'agit d'un excellent manuel . Il explique non seulement les bases des systèmes de recommandation dans un langage concis, mais présente également les algorithmes de base et les arguments mathématiques en profondeur, et fournit également aux lecteurs de nombreuses questions lors de l'utilisation d'outils tiers ou cadres.matériel. Ce livre fournit une introduction complète aux bases, aux applications spécifiques et à la littérature connexe des systèmes de recommandation. Il convient non seulement aux chercheurs en tant que livre d'introduction aux systèmes de recommandation, mais également aux praticiens industriels en tant que livre de référence sur les outils.
Manuel du système de recommandation
Contenu principal : ce livre présente la technologie des systèmes de recommandation sous deux angles : 1) les algorithmes de recommandation de base ; 2) l'évaluation et l'application du système de recommandation. En termes de technologie de recommandation de base, le livre fait un résumé et une analyse approfondis de divers algorithmes classiques dans le développement précoce des systèmes de recommandation, y compris la recommandation basée sur le contenu, le filtrage collaboratif basé sur le voisin le plus proche et la factorisation matricielle. En termes d'évaluation et d'application des systèmes de recommandation, ce livre traite des méthodes et des critères couramment utilisés pour l'évaluation des algorithmes de recommandation, et présente les défis qui peuvent être rencontrés dans la mise en œuvre des systèmes de recommandation.
Raison recommandée : Il s'agit d'un livre classique dans le domaine des systèmes de recommandation. Le livre est long et chaque chapitre a invité des universitaires renommés à participer à l'écriture. Les méthodes et les problèmes classiques qui y sont introduits sont très inspirants pour la recherche et la pratique des systèmes de recommandation à l'ère de l'apprentissage en profondeur. Publiée en 2011, la 3e édition a été publiée cette année et est idéale pour les chercheurs et les ingénieurs en tant que manuel de référence technique dans la recherche et le travail réels.
"Pratique du système de recommandation"
Contenu principal : Il s'agit d'un livre d'application partiel compilé par le Dr Xiang Liang à partir de ses recherches et de son expérience sur les systèmes de recommandation au cours de sa période de doctorat. Il a été publié en 2012. Combiné à des scénarios d'application spécifiques, ce livre présente brièvement les composants de base des systèmes de recommandation et explique comment utiliser de manière flexible différentes données de contenu, telles que les balises utilisateur, les réseaux sociaux, les informations contextuelles, etc., pour aider à améliorer les modèles de recommandation. Les algorithmes couverts dans le livre sont principalement le filtrage collaboratif, le filtrage de contenu et les algorithmes de graphes. Chaque chapitre contient des exemples simples de code d'algorithme et une analyse des résultats des données.
Raisons de la recommandation : la principale caractéristique de ce livre est qu'il présente systématiquement de nombreux aspects des systèmes de recommandation du point de vue des applications pratiques , les débutants peuvent comprendre les connaissances de base du système de recommandation dans les plus brefs délais grâce à ce livre, et en même temps avoir un aperçu des modules de base nécessaires pour construire un système de recommandation.
"Systèmes de recommandation : frontières et pratiques"
Contenu principal : ce livre analyse le système de recommandation pour les lecteurs du point de vue et de l'expérience du personnel de R&D de première ligne, du point de vue du principe et de la pratique. Le livre présente d'abord divers algorithmes de recommandation classiques et des algorithmes de recommandation d'apprentissage en profondeur de pointe, couvrant le filtrage collaboratif approfondi, l'interaction des fonctionnalités, la recommandation basée sur le réseau neuronal de graphe, la recommandation de séquence et de session, la recommandation combinée avec le graphe de connaissances et l'apprentissage par renforcement. d'autres technologies importantes, puis discuter des sujets de pointe de la recherche d'algorithmes de recommandation dans le dialogue, la causalité, le bon sens, etc. Le livre analyse également les principaux défis des systèmes de recommandation en matière de fusion de données, de mise à l'échelle du système, d'évaluation des performances, etc., et explique comment concevoir des systèmes de recommandation responsables. Enfin, le livre présente l'expérience pratique des systèmes de recommandation en conjonction avec le projet open source de Microsoft, Microsoft Recommenders.
Raisons de la recommandation : ces dernières années, la combinaison de systèmes de recommandation et d'apprentissage en profondeur a été généralement reconnue par l'industrie et le milieu universitaire, mais les livres connexes n'ont généralement pas couvert ces technologies de pointe et cette expérience pratique. Les auteurs de ce livre, Li Dongsheng, Lian Jianxun, Zhang Le, Ren Kan, Lu Tun, Wu Tao et Xie Xing, sont actifs depuis longtemps dans la recherche et le développement de systèmes de recommandation et ont publié des centaines d'ouvrages influents. des articles dans des conférences et des revues faisant autorité dans le domaine des systèmes de recommandation, des articles académiques et a présidé au développement de plusieurs projets de système de recommandation, y compris Microsoft Recommenders. Les lecteurs peuvent apprendre les principes et pratiques de conception d'algorithmes de recommandation les plus avancés basés sur ce livre, et peuvent rapidement construire un système de recommandation précis et efficace à partir de zéro basé sur le code source du livre.