扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
智能搜索和推荐系统:原理、算法与应用:principle, algorithm and application 版权信息
- ISBN：9787111670674
- 条形码：9787111670674 ; 978-7-111-67067-4
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
智能搜索和推荐系统:原理、算法与应用:principle, algorithm and application 本书特色
适读人群 ：搜索和推荐系统的初中级读者；自然语言处理的初中级读者及爱好者；机器学习的初中级读者及爱好者。NO.1 作者资深 作者均是有多年经验的搜索、推荐、AI方面的技术专家，精通各种算法 NO.2 引领趋势 深入讲解DL、ML、NLP等AI技术和算法在搜索和推荐中的应用 NO.3 精准讲解 针对性讲解搜索和推荐入门**数学基础、原理、架构、算法等核心知识 NO.4 零基础入门 搜索、推荐、AI零基础的读者也能快速掌握基本理论知识和常用实践方法 NO.5 注重实战 包含大量常见架构和实用算法，以及多个搜索、推荐和广告方面的综合案例
智能搜索和推荐系统:原理、算法与应用:principle, algorithm and application 内容简介
本书是一部面向初学者的搜索和推荐系统实战宝典。多位资深专家融合自己丰富的工程实践经验，一方面，精准地介绍了搜索和推荐系统的理论基础、工作原理和常见架构；一方面，深入地讲解了机器学习、深度学习、自然语言处理等AI技术在搜索和推荐系统中的应用场景、主要算法及其实现、工程实践案例。 全书一共12章，分为 四大部分。 **部分（第 1 ～ 3 章） 搜索和推荐系统基础 首先介绍了概率统计与应用数学的基础知识，然后介绍了搜索和推荐系统的常识，*后介绍了知识图谱的基础理论。 第二部分（第 4 ～ 6 章） 搜索系统原理与架构 首先讲解了搜索系统的架构和原理，帮助读者了解搜索系统的组成、工作原理以及知识图谱在搜索系统中的应用；其次讲解了搜索系统中涉及的基本模型、机器学习以及深度学习算法；*后讲解了评价搜索系统的指标体系。 第三部分（第 7 ～ 9 章） 推荐系统原理与架构 首先讲解了推荐系统的架构和原理；其次讲解了推荐系统中涉及的线性模型、树模型以及深度学习模型；*后讲解了评价推荐系统的指标体系。 第四部分（第 10 ～ 12 章） 实战应用 首先介绍三种常见的搜索引擎工具，包括 Lucene、Solr和Elasticsearch；其次讲解了搜索系统和推荐系统的应用；*后介绍了如何充分结合AI与工程在工业界发挥作用。
智能搜索和推荐系统:原理、算法与应用:principle, algorithm and application 目录
推荐序一
推荐序二
前言
**部分 搜索和推荐系统的基础
第1章 概率统计与应用数学基础知识 2
1.1 概率论基础 2
1.1.1 概率定义 2
1.1.2 随机变量 5
1.1.3 基础的概率分布 5
1.1.4 期望、方差、标准差、协方差 8
1.2 线性代数基础 10
1.2.1 矩阵 10
1.2.2 向量 10
1.2.3 张量 11
1.2.4 特征向量和特征值 12
1.2.5 奇异值分解 12
1.3 机器学习基础 13
1.3.1 导数 13
1.3.2 梯度 14
1.3.3 *大似然估计 14
1.3.4 随机过程与隐马尔可夫模型 15
1.3.5 信息熵 16
1.4 本章小结 18
第2章 搜索系统和推荐系统常识 19
2.1 搜索系统 19
2.1.1 什么是搜索引擎及搜索系统 19
2.1.2 搜索引擎的发展史 21
2.1.3 搜索引擎的分类 22
2.2 推荐系统 23
2.2.1 什么是推荐系统 24
2.2.2 推荐系统的发展史 24
2.2.3 推荐系统应用场景 25
2.2.4 推荐系统的分类 26
2.3 搜索与推荐的区别 29
2.4 本章小结 30
第3章 知识图谱相关理论 31
3.1 知识图谱概述 31
3.1.1 什么是知识图谱 31
3.1.2 知识图谱的价值 33
3.1.3 知识图谱的架构 35
3.1.4 知识图谱的表示与建模 36
3.2 信息抽取 39
3.2.1 实体识别 40
3.2.2 关系抽取 46
3.3 知识融合 50
3.3.1 实体对齐 50
3.3.2 实体消歧 51
3.4 知识加工 53
3.4.1 知识推理 53
3.4.2 质量评估 58
3.5 本章小结 58
第二部分 搜索系统的基本原理
第4章 搜索系统框架及原理 60
4.1 搜索系统的框架 60
4.1.1 基本框架 60
4.1.2 搜索引擎是如何工作的 62
4.2 数据收集及预处理 64
4.2.1 爬虫 64
4.2.2 数据清洗 66
4.2.3 存储空间及分布式设计 68
4.3 文本分析 70
4.3.1 查询处理 71
4.3.2 意图理解 82
4.3.3 其他文本分析方法 85
4.4 基于知识图谱的搜索系统 90
4.5 本章小结 92
第5章 搜索系统中的主要算法 93
5.1 信息检索基本模型 93
5.1.1 布尔模型 93
5.1.2 向量空间模型 94
5.1.3 概率检索模型 96
5.1.4 其他模型 100
5.2 搜索和机器学习 102
5.2.1 排序学习 102
5.2.2 排序学习示例 107
5.3 搜索和深度学习 116
5.3.1 DNN模型 116
5.3.2 DSSM模型 118
5.3.3 Transformer 120
5.4 本章小结 126
第6章 搜索系统评价 127
6.1 搜索系统评价的意义 127
6.2 搜索系统的评价体系 127
6.2.1 效率评价 128
6.2.2 效果评价 130
6.3 本章小结 136
第三部分 推荐系统的基本原理
第7章 推荐系统框架及原理 138
7.1 推荐系统的框架及运行 138
7.1.1 基本框架 139
7.1.2 组件及功能 140
7.1.3 推荐引擎是如何工作的 141
7.1.4 推荐系统的经典问题 142
7.2 推荐系统的冷启动 145
7.3 推荐系统的召回策略 150
7.3.1 基于行为相似的召回 150
7.3.2 基于内容相似的召回 153
7.4 推荐系统排序 160
7.4.1 特征选择的方法 160
7.4.2 推荐系统的排序过程 164
7.5 基于知识图谱的推荐系统 166
7.6 本章小结 168
第8章 推荐系统的主要算法 169
8.1 矩阵分解 169
8.1.1 奇异值分解 170
8.1.2 交替*小二乘 171
8.1.3 贝叶斯个性化排序 172
8.2 线性模型 174
8.2.1 FM模型 175
8.2.2 FFM模型 176
8.3 树模型 177
8.3.1 决策树模型 177
8.3.2 集成算法模型 183
8.4 深度学习模型 191
8.4.1 Wide & Deep模型 191
8.4.2 Deep FM模型 197
8.5 本章小结 199
第9章 推荐系统的评价 200
9.1 推荐评估的目的 200
9.2 推荐系统的评价指标 200
9.2.1 RMSE和R方 204
9.2.2 MAP和MRR 204
9.2.3 其他相关指标 205
9.3 推荐系统的评估实验方法 206
9.3.1 离线评估 206
9.3.2 在线评估 209
9.3.3 主观评估 213
9.4 本章小结 217
第四部分 应用
第10章 搜索引擎工具 220
10.1 Lucene简介 220
10.1.1 Lucene的由来及现状 220
10.1.2 Lucene创建索引过程分析 223
10.1.3 Lucene的搜索过程解析 224
10.2 Solr简介 226
10.2.1 Solr特性 228
10.2.2 Solr的核心概念 228
10.2.3 Solr的核心功能 228
10.3 Elasticsearch简介 230
10.3.1 Elasticsearch的核心概念 230
10.3.2 Elasticsearch的核心功能 231
10.4 搜索引擎工具对比 232
10.5 本章小结 233
第11章 搜索应用实战：基于电商的搜索开发 234
11.1 电商搜索系统的架构设计 234
11.2 ES在搜索系统中的应用 236
11.3 NLP在搜索系统中的应用 237
11.4 商品数据排序算法研究 240
11.5 搜索排序的评价及优化 241
11.6 深度学习在搜索系统中的应用 243
11.7 电商搜索系统中的SEM 243
11.8 本章小结 246
第12章 推荐应用实战：基于广告平台的推荐 247
12.1 推荐系统的架构设计 247
12.2 推荐系统的召回和冷启动 249
12.3 ES在推荐系统中的应用 251
12.4 推荐系统中NLP的应用 252
12.5 推荐系统中粗排和精排 253
12.6 推荐系统的评价和优化 254
12.7 深度学习在推荐系统应用 255
12.8 本章小结 257
展开全部
智能搜索和推荐系统:原理、算法与应用:principle, algorithm and application 节选
推荐序一 2018年春天，我从西雅图飞回阔别七年的北京，加入了一家互联网电商公司。我们的团队负责公司的搜索、推荐和智能客服业务。过去十多年间，随着大规模云计算的普及和GPU的发展，各种机器学习算法得到了快速发展，成为各大互联网公司促进业务增长的强劲引擎。不管是在学术界还是工业界，各种新算法层出不穷，但是是否能真正落地，真正地应用在商业场景中并带来可观收益，都需要很多的尝试和摸索。 在这个新公司中，我结识了一批像刘宇和刘书斌这样的新互联网人，他们非常好学、务实、努力，并充满热情，都希望能够利用新技术、新方法为公司带来新的业务增长。不过一开始，尤其是在各种新算法、新论文博得大众眼球的时候，很多人容易陷入一个误区，就是过多使用*新的算法或者倾向于使用复杂的算法。实际上，深入了解业务场景，合理地收集和整理正确反映用户行为和业务场景数据，是对算法提升*直接、*有效的手段。从如何把用户的购买行为进行合理的归因，到数据如何做归一化，甚至如何处理一些细节的数值越界问题，都直接影响搜索和推荐算法的效果。我们只有把这些“小”问题处理好了，才有余力尝试更加复杂的算法模型。 对于一个经营服装家居的电商平台来说，如何帮助用户输入合理的搜索词并且在大量的产品当中快速找到满意的产品，对用户体验和业务提升都是非常重要的。刘宇在自然语言处理和理解方面带领团队做了很多研究和开发工作，积累了很多经验。我们经常在一起讨论有关系统和算法的设计问题，应对各种挑战和难点。在搜索和推荐系统中，我们不仅需要从产品角度定义用户关注的产品属性，还需要从用户的角度挖掘对产品的分类和属性的定义，还要合并、去重和分组，*后需要进行点击率预测。在一系列的处理过程中，并不是用*复杂、*新的算法就可以解决问题的，而是需要寻找问题的关键步骤进行重点投入，对非关键问题简化处理，或者在将来的迭代中再考虑优化。对于过于复杂的问题，我们还要考虑适当缩小问题的空间来降低解决问题的复杂度。当然，一个应用*终能够正式运用到产品中，在工程实践中还需要非常多的精雕细琢。 刘宇和几位同事把过去几年学习到的各种算法以及应用的经验整理记录下来，这对刚刚开始进入算法工作的工程研究人员会有很大帮助。如何在实际场景中应用这些知识，还需要每个人根据实际问题不断探索。苹果公司一直非常推崇创新和创意，但是它的创始人史蒂芬·乔布斯曾经表达过一种担心—大家会以为只要有好的创新和好的创意，一个产品就成功了。实际上，从一个伟大的创意到一个伟大的产品需要我们不断地修正思路，不断地做出必要的取舍。在算法工程和工作中，我们也需要使用同样的思路。一个*优的算法固然重要，但是真正的成功在于不断实践，投入足够的精力和时间去解决那些看似不重要的周边问题，并需要对问题做出必要的裁剪，通过快速迭代逐步递进，从而给我们的工作带来真正可观的商业价值。 孙燕峰 Hulu技术总监 2020年11月于西雅图 推荐序二 美国著名棒球运动员及教练尤吉·贝拉（Yogi Berra）有一句名言：“从理论上讲，理论与实践没有区别；但是在实践中，两者是不一样的。” 对于在互联网公司的搜索、推荐、广告等人工智能领域践行的工程师来说，尤吉的这句话非常适用。一方面，这些领域的工作要求工程师在概率统计、应用数学、自然语言处理以及机器学习等方面具有扎实的基础理论知识。另一方面，在这些领域中，如何将理论应用到工程实践，解决搜索、推荐、广告系统等实际问题，是工程师必须面对的挑战。 今天，在市面上已经有一些关于智能系统的基础理论书籍，在网络上也有很多关于搜索、推荐、广告开源系统及框架的文档，但是鲜有能够将基础理论、智能系统的基本原理，以及实际应用都覆盖到位的图书。 本书作者结合自己在学校和工作中的理论学习以及实践体会，将理论、原理和实践有机地结合起来，用严谨的文字，深入浅出地阐述了自己的理论感悟与实践心得，是一本值得收藏的好书。 黄彦林 前唯品会CTO
智能搜索和推荐系统:原理、算法与应用:principle, algorithm and application 作者简介
刘宇 清华大学硕士，现就职于一家跨境电商公司，任技术总监，主要负责该公司搜索推荐业务以及广告的相关技术开发。目前工作的重点是算法在搜索系统、推荐系统、对话系统等具体业务场景下的实际应用。对机器学习、深度学习、大数据应用与开发等颇有研究。合著有《聊天机器人：入门、进阶与实战》一书。 赵宏宇 本科毕业于东北大学；研究生毕业于RIT，主修AI方向。现就职于猎聘网，主要负责猎聘网推荐排序相关的工作。 刘书斌 本科毕业于东北大学，现就职于美团，资深系统开发工程师。曾在唯品会任职，主要负责搜索工程的架构设计与实现等相关工作，在ElasticSearch方面有丰富的工程实践经验。 孙明珠 硕士毕业于南京航空航天大学，现就职于猎聘网，担任高级算法工程师，负责查询理解、解析、扩展等NLP相关的工作。
书友推荐
- >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥13.5¥24.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥25.4¥49.8 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
朝闻道
朝闻道
¥15.0¥23.8 - >
姑妈的宝刀
姑妈的宝刀
¥13.5¥30.0 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
经典常谈
经典常谈
¥28.3¥39.8
本类畅销
-
十二字节
¥42.4¥69 -
前瞻交互:从语音、手势设计到多模融合
¥76.3¥109 -
人工智能
¥18.6¥55 -
人工智能技术商业应用场景实战
¥45.8¥79 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206
