推荐系统实战 Practical Recommender Systems(python) - 2019

图片.png

• python测试开发项目实战-目录
• python工具书籍下载-持续更新
• python 3.7极速入门教程 - 目录

下载： https://itbooks.pipipan.com/fs/18113597-335825118
文件备份qq群：6089740

推荐系统实际上是保持网站内容最新，有用和有趣的访问者的必要条件。 推荐系统随处可见，帮助您找到从电影到工作，餐馆到医院，甚至浪漫的所有内容。 实用推荐系统幕后推手向读者展示推荐系统如何工作，更重要的是，如何为他们的网站创建和应用它们。 本动手指南涵盖了扩展问题以及随着站点的增长可能遇到的其他问题。

本书分为两部分，一部分侧重于推荐系统基础设施，另一部分侧重于算法。
在第1部分中，您将学习如何在向应用程序添加推荐系统时收集数据以及如何使用它：
第1章概述了建议并概述了关键要素。它提供了对推荐系统是什么以及如何工作的广泛理解。
第2章介绍如何理解用户及其行为，并介绍从用户收集数据的方法。
第3章介绍了网站分析，并展示了如何实施仪表板，以便跟踪推荐人。
第4章讨论了行为数据如何转化为评级。
第5章介绍非个性化建议。
第6章概述了新用户和产品的问题，并提供了简单的解决方案。
在第2部分中，我们将介绍推荐系统算法以及如何使用系统收集的数据来计算要向用户推荐的内容：
第7章讨论了计算用户或电影等内容项之间相似性的公式。
第8章介绍了使用协同过滤的个性化建议。
第9章介绍了离线评估推荐人的指标，并概述了在线提出建议的方法。
第10章介绍了基于内容的过滤，它使用不同类型的算法（如Latent Dirichlet Allocation和TF-IDF）查找内容的相似性。
第11章回到第8章介绍的协同过滤，但现在使用降维方法进行讨论。
第12章介绍了混合推荐者类型的方法。
第13章介绍了排名算法和学习排名建议的方法。
第14章概述了本书，展望未来，接下来要学习的主题，进一步理解的书籍，以及算法和背景的思考。
本书旨在从头到尾阅读，因为许多内容涉及前面的章节，但也可以通过阅读选定的章节来理解。

参考资料

• 讨论qq群144081101 591302926 567351477
• 本文最新版本地址
• 本文涉及的python测试开发库 谢谢点赞！
• 本文相关海量书籍下载
• 2018最佳人工智能机器学习工具书及下载(持续更新)
• https://github.com/practical-recommender-systems/moviegeek