这篇是计算机类的优质预售推荐>>>>《推荐系统：技术、评估及高效算法》
内容简介
本书汇聚不同领域专家学者的理论成果和实践经验，全面介绍推荐系统的主要概念、理论、趋势、挑战和应用，详细阐释如何支持用户决策、计划和购买过程。书中既详细讲解了经典方法，又介绍了一些新研究成果，内容涵盖人工智能、人机交互、信息技术、数据挖掘、统计学、自适应用户界面、决策支持系统、市场和客户行为等领域，无论是从事技术开发，还是从事产品营销的读者，都能从中受益。
本书可分成五部分，共25章。第1章是概述，系统介绍推荐系统的概念、功能、应用领域以及当前应用过程中遇到的问题与挑战。第一部分（第2~7章）介绍当前构建推荐系统最普遍使用的技术，如协同过滤、基于内容的数据挖掘方法、上下文相关的方法等。第二部分（第8~12章）概述已用于评价推荐质量的技术和方法，涉及推荐系统设计与实践方面，描述设计和实施推荐系统的注意事项，为选择更合适的算法提供准则，以及评估用于开发推荐系统的方法、挑战和评测指标。第三部分（第13~17章）讨论推荐系统如何呈现、浏览、解释和可视化等若干问题，这一部分讨论的技术使推荐过程更加结构化以及具有可交互性。第四部分（第18~21章）讨论利用各类用户生成内容（UGC，如标签、搜索查询、信任评价等）产生类型新颖且更可信的推荐结果。第五部分（第22~25章）讨论推荐系统的高级课题，如探索用主动学习的原则来指导获取新知识；防止推荐系统受恶意用户攻击的合适技术；如何整合多种类型的用户反馈和用户偏好信息来构造更可靠的推荐系统。
译者序
胡聪（胡户主）：这本书着实是一本厚书，在刚开始着手翻译的时候，反复浏览目录里25章的内容，心潮澎湃，激动不已，希望放下手中一切来研习它。在大数据浪潮中，推荐系统作为一个主要分支，逐渐被国内同行所关注，但一直苦于可用资料不多。想必很多刚入此行的同学都在问“有没有全套推荐系统学习资源”，“行业内推荐系统算法有哪些”，等等问题，这本书能够带来一份很好的答案。这本书由概述到细节，由算法理论到行业应用，层层剖析了推荐系统中的技术细节和应用方向，书中知识涵盖较广却又不失细节，相信会成为推荐系统爱好者和从业人员手中必备的一本工具书。
吴宾：Netflix大赛有力地推进了对推荐系统的广泛而深入的研究，促成新的研究热点。然而，国内当前还缺少比较完整的中文科普图书。因此，本书的出现可有效地填补这一空白，进一步推动推荐系统的研究和应用。综合来看，本书既可以作为推荐系统专业研究人员的入门书籍，也适用于一般应用推荐系统技术的工程人员。对推荐系统的热爱和研究是我有幸参与此书翻译工作的一个重要原因，也因此结识了许多志同道合的小伙伴。我非常感谢他们对我的帮助和指导，与他们的讨论和交流让我受益匪浅。同时，也要感谢艳民和蒋帆老师，他们不惜放弃宝贵的休息时间来审核和校对此书，严谨的工作作风和态度令人敬佩。
丁彬钊（于宁）：研究生期间偶然结缘推荐系统，坚信推荐必将成为继搜索之后解决数据过载的重要方法。有机会参与本书的翻译倍感荣幸，虽然期间经历实习、求职、毕业等系列事件，但是在朋友们的支持和帮助下，还是坚持完成了自己负责的那部分翻译工作。通过对此书的翻译，不仅仅提升了自己对推荐系统的理解，也增强了对推荐系统在大数据时代所起作用的信心！特别感谢李艳民对本书翻译提供的各种帮助，以及蒋凡老师细致负责的审核和校对工作！由于翻译水平和时间限制，本书翻译工作难免存在不足之处，欢迎读者朋友批评指正，谢谢！
王雪丽：这是一本“特别”而又“伟大”的书，“特别”在于，它集合了推荐系统所涉及领域的所有知识，并将这些知识有条不紊地展示出来，成为第一本专属于推荐系统领域的书；而“伟大”在于，它凝结了很多人的智慧，比如说每一章后面那长长的参考目录就体现了这点。这本书对于初学者来说是一个很好的起点，不仅可以系统地了解推荐系统的组成部分以及怎样着手设计一个推荐系统，让初学者不会觉得无从下手，另外本书也描述了推荐系统所面临的挑战，也许能在阅读的过程中突发灵感，找到自己的研究方向。另外，非常幸运能够参与本书的翻译，非常感谢一起完成本书翻译的朋友们，也希望读者朋友对我们的工作提出宝贵意见，非常感谢！
李艳民：本书内容和重要程度不言而喻。在长达15个月的翻译过程中共有49位同学参与翻译和审核，期间有晋升为爸爸的、有毕业参加工作的、有结婚步入幸福天堂的，也有开始创业的，在这里由衷感谢他们及其家人能参与和支持我们的翻译。同时特别感谢蒋凡老师能帮我一起审阅。希望本书能给读者带来帮助。读者有疑问或建议可在本书论坛（www.rec-sys.net）讨论。
蒋凡：相信翻译这本书应该是每个推荐系统爱好者的心愿，它的博大精深令人醉心不已，但它的卷帙浩繁也令人望而却步。很幸运能和不计辛劳、只求学问的小伙伴们一起完成这个心愿，翻过高山，收入眼帘的就是一马平川的美景；架起云梯，就能帮助更多的小伙伴攻城拔寨、无往不利。这本书终于面世了，我们用专注和坚韧将它唤醒，是因为我们预感它的魔力能够召唤来更多有志于此的工程师，让技术的力量改变世界。
前言
推荐系统是为用户推荐所需物品的软件工具和技术。提供的推荐旨在通过各种决策过程来支持用户，例如，买什么物品、听什么歌或者读什么新闻。推荐系统对于在线用户处理信息过载是一个非常有价值的方法，并成为电子商务领域最强大和流行的工具。因此，人们提出了各种各样的推荐技术，并在过去的10年中将其中很多方法成功地运用在商务领域。
推荐系统的发展需要多学科的支持，涉及来自各个领域的专家知识，如人工智能、人机交互、信息检索、数据挖掘、数据统计、自适应用户界面、决策支持系统、市场营销或消费者行为等。本书旨在基于这种多样性，通过展示推荐系统的主要概念、理论、方法论、趋势、挑战和应用等连贯而又统一的知识体系，帮助读者从差异之中梳理出头绪。这是第一本全面阐述推荐系统的书，其中覆盖了主要技术的多个方面。本书中的丰富信息和实践内容为研究人员、学生和行业中的实践者提供了一个有关推荐系统的全面但简洁方便的参考源。本书不仅详细介绍了经典方法，而且介绍了最近引进的新方法及其扩展。本书由五部分组成：技术、推荐系统的应用和评估、推荐系统的交互、推荐系统和社区及高级算法。第一部分展示了如今构建推荐系统的最流行和最基础的技术，如协同过滤、基于内容的过滤、数据挖掘方法和基于情境感知的方法。第二部分首先介绍用来评估推荐质量的研究技术和方法；其次说明了设计推荐系统的实际方面，如设计和实现的考虑，选择更合适算法的环境指南；再次讨论了可能影响设计的相关方面；最后探讨了应用在已成型系统评估上的方法、挑战和估量。第三部分包括了探讨一系列问题的文章，这些问题包括推荐的展示、浏览、解释和视觉化，以及使得推荐过程更结构化和方便的技术等。
第四部分完全聚焦于一个全新的话题，但该话题却基于过滤推荐的主要思想，例如利用用户产生的各种类型的内容来构建具有新类型并更加可信的推荐系统。
第五部分搜集了一些关于高阶话题的文章，例如利用主动学习技术来引导新知识的学习，构建能够抵挡恶意用户攻击的健壮推荐系统的合适技术，以及结合多种用户反馈和偏好来生成更加可信的推荐系统。
我们要感谢所有为本书做出贡献的作者。感谢所有审阅人员提出的慷慨意见及建议。特别感谢Susan LagerstromFife和Springer的成员，感谢他们在写这本书过程中的合作。最后我们希望这本手册有助于这一学科的发展，为新手提供一个卓有成效的学习方案，能够激起更多专业人士有兴趣参与本书所讨论的主题，使这个具有挑战性的领域能够硕果累累，长足进展。
Francesco Ricci
Lior Rokach
Bracha Shapira
Paul B.Kantor
2010年5月
版权声明：本文为博主原创文章，未经博主允许不得转载。