|
|
|
本書圍繞電商、資訊等眾多實際應用背後的內核，即智能推薦技術，系統介紹經典和前沿技術，包括基於鄰域、矩陣分解、深度學習、遷移學習、聯邦學習等的建模方法和推薦算法。本書圍繞用戶行為數據的建模問題組織內容，全書共分6部分：第1部分（第1章）為背景和基礎；第2部分（第2～4章）為單行為推薦，是指僅對一種顯式反饋（如評分）或一種隱式反饋（如瀏覽）數據進行建模；第3部分（第5～6章）為多行為推薦，是指同時考慮瀏覽和購買等包含多種行為的數據；第4部分（第7～8章）為序列推薦，是指同時關注用戶行為和這些行為的先後順序；第5部分（第9～10章）為聯邦推薦，更加關注用戶行為中的隱私和數據安全問題；第6部分（第11章）為總結與展望。全書綜合梳理了多個智能推薦問題和相關技術，分析了方法的優缺點和內在聯繫，並在每章結束時提供了詳細的參考文獻和有針對性的習題。本書可以作為計算機科學與技術、軟件工程等相關專業的研究生和高年級本科生的教材，也可以作為推薦系統工程師的參考手冊。
潘微科，博士，深圳大學計算機與軟件學院副教授，碩士生導師，深圳市很好教師。主要研究方向為遷移學習、聯邦學習、推薦系統和機器學習，曾獲ACM TiiS 2016很好論文獎和SDM 2013很好論文提名獎。主持國家自然科學基金面上項目等多個科研項目，擔任知名靠前期刊的編委、客座編委和傑出審稿人。
