基本信息

编辑推荐
---------------------------自己动手做推荐引擎---------------------------
推荐引擎技术综合入门指南,由浅入深介绍推荐引擎搭建的方法,并展望推荐引擎的未来发展
涵盖行业内广泛使用的各种推荐引擎及其实现
自己动手做
推荐引擎
[印]苏雷什·库马尔·戈拉卡拉(Suresh Kumar Gorakala)著
左妍 译
Building Recommendation Engines
内容简介
计算机书籍
---------------------------自己动手做推荐引擎---------------------------
推荐引擎,是主动发现用户当前或潜在需求,并主动推送信息给用户的信息网络。挖掘用户的喜好和需求,主动向用户推荐其感兴趣或者需要的对象。近些年该技术得到普遍使用,应用于各种应用程序中。因此,更多的开发者开始关注个性推荐引擎的搭建。本书是人工智能数据科学家Suresh Kumar Gorakala经多年实践及研究所著,由浅入深介绍了推荐引擎搭建的方法,并展望了推荐引擎的未来发展。
---------------------------自己动手做智能产品:嵌入式JavaScript实现---------------------------
本书将通过简单的嵌入式编程,教会大家如何将日常物品转变为智能机器。当然市场中的ARM编程书籍多为平淡的教科书,相对复杂,编程语言对于初学者存在一定难度,本书采用读者易学易懂的编程语言,并结合实际动手操作来帮助读者实现产品智能化。
作译者
---------------------------自己动手做推荐引擎---------------------------
关于我们
客户服务
友情链接
目录
---------------------------自己动手做推荐引擎---------------------------
作者简介
技术评审员简介
前言
第1章 推荐引擎介绍 1
1.1推荐引擎定义 1
1.2推荐系统的必要性 3
1.3大数据对推荐系统的推动作用 4
1.4推荐系统类型 4
1.4.1协同过滤推荐系统 4
1.4.2基于内容的推荐系统 5
1.4.3混合推荐系统 6
1.4.4情境感知推荐系统 7
1.5推荐系统技术的发展 8
1.5.1Mahout在可扩展推荐系统中的应用 8
前言
---------------------------自己动手做推荐引擎---------------------------
本书是一本推荐引擎技术的综合入门指南,介绍使用R、Python、Spark、Mahout、Neo4j技术实现诸如协同过滤、基于内容的推荐引擎和情境感知推荐引擎的内容。本书也介绍了广泛用于行业内的各种推荐引擎及其实现。当然,也涵盖了一些推荐引擎中常用的流行数据挖掘技术,并在本书最后简要讨论了推荐引擎的未来方向。
主要内容
第1章为数据科学家提供思路,也为入门者提供指南。该章主要介绍了人们生活中常常遇到的推荐引擎及其优缺点。
第2章通过一个构建电影推荐的例子简单介绍了推荐引擎,以便将读者引入到推荐引擎的世界。
第3章主要介绍目前流行的不同推荐引擎技术,如基于用户的协同过滤、基于项目的协同过滤、基于内容的推荐引擎、情境感知推荐引擎、混合推荐引擎、使用机器学习模型和数学模型的基于模型的推荐系统。
第4章阐述了推荐引擎中使用的各种机器学习技术,如相似度度量、分类、回归和降维技术,并且介绍了用以测试推荐引擎预测能力的评估指标。
第5章介绍如何使用R和Python构建基于用户与基于项目的协同过滤,并介绍了这两种语言中广泛用于构建推荐引擎的库。
第6章介绍如何使用R和Python构建个性化推荐引擎,并介绍用于构建基于内容的推荐系统和情境感知推荐引擎的各种库。
第7章介绍使用Spark和MLlib构建实时推荐系统的基础。
第8章引入GraphDB、Neo4j的概念和基础知识,以及如何使用Neo4j构建实时推荐系统。
第9章主要介绍Hadoop和Mahout在构建可扩展的推荐系统上的构建模块及体系结构,以及使用Mahout和SVD的详细实现。
第10章主要是对之前章节的总结,包括应用于构建决策系统的最佳实践以及对未来的展望。
书中代码的开发环境
为使用R、Python、Spark、Neo4j、Mahout进行推荐引擎的不同实现,我们需要以下软件:
媒体评论
---------------------------自己动手做推荐引擎---------------------------
推荐引擎(有时也称为推荐系统)是一个能让算法开发者预测用户会喜欢或不喜欢给定项目列表中项目的工具。它在最近几年得到了广泛应用。
本书首先介绍推荐引擎及其应用,然后循序渐进地讲解如何使用R、Python、Spark、Neo4j和Hadoop等流行框架构建推荐系统。通过本书,你会了解到每种推荐引擎的利弊以及何时使用它们,也将学会创建简单的推荐引擎、实时推荐引擎和可扩展推荐引擎等。
通过阅读本书,你将学会:
·构建你的第一个推荐引擎
·了解构建推荐引擎所需的工具
·钻研推荐系统的各种技术,如协同过滤、基于内容及交叉推荐
·创建减轻你工作负担的高效决策系统
·熟悉不同框架中的机器学习算法
·通过实际代码示例精通不同版本的推荐引擎
·探索各种推荐系统并通过流行技术(如R、Python、Spark等)实现它们
---------------------------自己动手做智能产品:嵌入式JavaScript实现---------------------------