購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽 |
登入帳戶
| 訂單查詢
| 購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽 |
||
 HOME 新書上架暢銷書架好書推介特價區會員書架精選月讀2024年度TOP分類瀏覽雜誌 |
臺灣用戶 |
 |
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 | 服務：香港／台灣／澳門／海外 | 送貨：速遞／郵局／服務站 |  |
|
新書上架：簡體書
繁體書
十月出版：大陸書
台灣書 |
|
share:
|
||||
|
新書推薦：  《 百病食疗科学搭配饮食 对症食疗调养 花小钱防大病 家庭常备书 》 售價：HK$ 52.8  《 大肠肿瘤的前沿诊疗方法 》 售價：HK$ 140.8  《 历史的谜局 》 售價：HK$ 85.8  《 广府祠堂装饰艺术之资政大夫祠建筑群 》 售價：HK$ 140.8  《 苏格拉底的申辩（罗翔推荐哲学入门读本） 》 售價：HK$ 38.5  《 广西历史地理研究丛书（第二辑） 》 售價：HK$ 462.0  《 DK地球博物大百科 》 售價：HK$ 294.8  《 非洲潜力丛书4 生计之道，为而不争：探究生态资源与人类的关系 》 售價：HK$ 86.9 |
| 編輯推薦： |
|
本书不仅全面地介绍了当下前沿流行的各式推荐算法，更多的是在阐释技术的同时把作者多年作为推荐算法工程师的工作经验和技巧融合进去，提升本书的含金量，给读者能同时带去技术和职场双重收获！
得到： →中国图象图形学学会副理事长兼秘书长 北京科技大学计算机与通信工程学院副院长|马惠敏 →张枫 →Meta Principal Scientist |刘霁 →阿里妈妈展示及内容广告算法总监|姜宇宁（孟诸） →北京大学计算机学院助理教授、博士生导师|王鹤 五位专家倾情作序推荐，每篇推荐序都是值得我们学习的推荐典范文章，既讲述了推荐的发展历史又阐明当下推荐趋势。 也得到了： →抖音推荐负责人|刘作涛 →字节跳动前视觉技术负责人|王长虎 →快手推荐算法副总裁|周国睿 →清华大学博士|陈晓智 →AMD高级软件研发经理|李栋 →卡耐基梅隆大学博士后 Sea AI Lab 研究员|许翔宇 →旷视科技高级研究员|刘宇 →清华大学未来实验室助理研究员|路奇 →思谋科技总经理|苏驰 九位专家的鼎力推荐，诚心道出对本书的赞赏与评价，供读者品鉴。 |
| 內容簡介： |
| 本书深入全面地讲解了现代推荐算法，同时兼顾深度和广度，介绍了当下较前沿、先进的各类算法及其实践。本书从总览篇开始，介绍推荐系统的基本概念及工作环节。在模型篇中，除了梳理推荐系统的发展史，本书还重点讲解面向工业实践的选择及改进，为读者打下推荐系统的算法基础；进而带着读者进阶到前沿篇、难点篇，面对推荐系统中的各式问题，给出解决方案；后在决策篇中，从技术原理和用户心理出发，解释一些常见决策背后的依据，从而帮助读者从执行层面进阶到决策层面，建立大局观。本书力求用简洁易懂的语言说清核心原理，对已经有一定机器学习概念和数学基础的学生和相关领域的从业者非常友好，特别适合推荐系统、计算广告和搜索领域的从业者及学生拓展新知和项目实战 |
| 關於作者： |
|
赵致辰
本硕毕业于清华大学电子工程系。主要研究方向包括动作识别、人脸识别、广告和推荐中的排序模型及冷启动问题等，发表相关学术领域论文7篇。曾从事移动端人脸识别工作，开发的红外人脸识别算法应用于国内多款手机；在推荐领域，提出的“POSO”模型在用户冷启动问题上取得突破性收益，已经在业界广泛应用，国内外多家公司与产品如TikTok、快手、Meta等都在以POSO为原型探索冷启动模型。 |
| 目錄： |
|
总览篇
第 1 章 推荐系统概述 ............................................................................................. 2 1.1 推荐系统是什么 .......................................................................................... 2 1.2 推荐系统发展的天时、地利、人和 .......................................................... 4 1.2.1 天时 .................................................................................................. 6 1.2.2 地利 .................................................................................................. 6 1.2.3 人和 .................................................................................................. 7 第 2 章 现代推荐链路 ............................................................................................. 9 2.1 召回、粗排、精排——各有所长 .............................................................. 9 2.2 召回、粗排、精排——级联漏斗 ............................................................ 13 2.3 打压、保送、重排——拍不完的脑袋 .................................................... 20 模型篇 第 3 章 精排之锋 ................................................................................................... 25 3.1 简单“复读机”——逻辑回归模型 ........................................................ 25 3.2 工业逻辑回归模型的稀疏性要求 ............................................................ 29 3.3 FM 的一小步，泛化的一大步 ................................................................. 34 3.4 多彩的 FNN/PNN/ONN/NFM 世界 ......................................................... 37 3.5 高阶交叉 ................................................................................................... 41 3.6 工具人 GBDT ............................................................................................ 45 3.7 嵌入表示亦福亦祸，树模型的新机遇 .................................................... 49 3.8 DNN 与两大门派，“一念神魔”与功不唐捐 ........................................ 53 3.9 再论特征与嵌入生成 ................................................................................ 58 3.10 机器学习指定王牌技术——注意力机制 ...................................... 62 3.11 注意力机制的几种写法 .......................................................................... 65 3.12 Transformer 的升维打击 ......................................................................... 69 第 4 章 粗排之柔 ................................................................................................... 72 4.1 粗排存在与否的必要性 ............................................................................ 73 4.2 粗排复杂化的方法 .................................................................................... 73 4.3 Pair-wise 与 List-wise ................................................................................ 74 第 5 章 召回之厚 ................................................................................................... 76 5.1 u2i 之双塔进击史 ..................................................................................... 76 5.2 i2i 及 u2u2i 方案 ....................................................................................... 81 5.3 近似搜索概览 ............................................................................................ 85 5.3.1 向量量化类方法 ............................................................................ 86 5.3.2 基于图的搜索 ................................................................................ 87 5.4 树模型与类树模型的冲击 ........................................................................ 89 第 6 章 模型迭代的术与道 .................................................................................... 93 6.1 什么是“老汤模型” ................................................................................ 93 6.2 模型迭代的“术” .................................................................................... 96 6.3 模型迭代的“道” .................................................................................... 98 前沿篇 第 7 章 用户兴趣建模 ......................................................................................... 101 7.1 从百到万的用户长期兴趣建模 .............................................................. 101 7.1.1 从百到千 ...................................................................................... 102 7.1.2 从千到万 ...................................................................................... 102 7.2 用户多峰兴趣建模 .................................................................................. 104 第 8 章 多任务学习 ............................................................................................. 107 8.1 多任务学习的实践意义 .......................................................................... 107 8.2 多任务学习的基本框架 .......................................................................... 110 8.3 平行关系建模——MMoE 类方法 ......................................................... 113 8.4 非平行关系建模，任务间的因果 .......................................................... 117 第 9 章 非梯度场景 ............................................................................................. 121 9.1 线上与线下的鸿沟 .................................................................................. 121 9.2 弱个性化 CEM，强个性化强化学习 .................................................... 124 9.3 探微参数与性能的关系，把点连成面 .................................................. 128 第 10 章 探索与利用 ........................................................................................... 133 10.1 为什么要探索与利用 ............................................................................ 133 10.2 探索的本质是巧妙“贪心” ................................................................ 136 第 11 章 后精排环节 ........................................................................................... 139 11.1 定义多样性问题，简单的形式与复杂的标准 .................................... 139 11.2 DPP 算法与多样性 ............................................................................... 142 11.3 考虑上下文的重排序 ............................................................................ 144 第 12 章 推荐中的偏差与消除............................................................................. 147 12.1 各种各样的偏差 .................................................................................... 147 12.2 流行度偏差的消除 ................................................................................ 148 12.3 位置偏差的消除 .................................................................................... 151 第 13 章 自动机器学习技术 ................................................................................ 155 13.1 网络结构搜索与网络微操的探索 ........................................................ 155 13.2 特征的搜索 ............................................................................................ 159 13.3 模型压缩 ............................................................................................... 161 第 14 章 图计算 .................................................................................................. 165 14.1 数据结构的终极 .................................................................................... 165 14.2 GNN 的极简发展史 .............................................................................. 168 14.3 物料非原子化，建模转向图 ................................................................ 171 难点篇 第 15 章 延迟转化 ............................................................................................... 175 15.1 转化与广告机制 ................ |
| 書城介紹 | 合作申請 | 索要書目 | 新手入門 | 聯絡方式 | 幫助中心 | 找書說明 | 送貨方式 | 付款方式 | 香港用户 | 台灣用户 | 海外用户 |
| megBook.com.hk | |
| Copyright © 2013 - 2025 （香港）大書城有限公司 All Rights Reserved. | |
