这就是推荐系统：核心技术原理与企业应用

《这就是推荐系统：核心技术原理与企业应用》是一本零基础也能读懂、实操性高、落地性强的推荐系统入门好书。它跳出纯理论堆砌，完整梳理了推荐系统全链路架构，从用户画像、内容理解，到召回、排序、重排核心模块讲得清晰通透。同时详解了冷启动、推荐偏差、数据消偏等行业高频难题，还覆盖强化学习、因果推断、端上智能等前沿方向。全书理论贴合真实企业场景，兼顾入门科普与工程实践，无论是初学AI、算法入门，还是互联网从业者补基础，都非常值得一读👍

从本书可以了解一个工业级推荐系统的全貌，也可以比较深入的去了解各个模块的算法的来龙去脉。推荐阅读，以下是读本书前列的为什么读本书的两个问题： 1、如今互联网各种平台都用的是推荐系统，为什么会不约而同的使用推送技术？了解下这种技术及背后的逻辑 Q：因为随着互联网的发展，海量的内容和天量的用户要能匹配才能提高信息获取效率，而背后的推手是电商平台和社交平台的商业诉求。这个技术从内容理解到用户匹配及提高匹配精度一系列技术有长足的进步（主要是各种算法），另外就是算力进步的红利，让各种耗费大量算力的算法得以实现。最后是 AB 面实验（医学上叫双盲实验）方法能验证和评价推荐系统，本质上也是因为通过这套系统确实能给平台带来商业价值，所以各平台持续推进推荐系统的相关技术不断向前发展。 2、对推送技术及算法有个大概的了解，了解工业级推荐系统的全貌 Q：推荐系统的核心模块有：内容理解、用户画像、召回、排序、重排，还有评价体系的 AB 面实验，另外还有个冷启动，针对新用户进行的一系列策略。从本书可以了解一个工业级推荐系统的全貌，也可以比较深入的去了解各个模块的算法的来龙去脉。

2024.No61： 24年第30本技术书。3.5小时快速浏览完。适合有搜索及推荐等相关经验的开发者，非推荐系统入门书籍。书中充斥着大量的缩写，各种各样的模型；几乎都是当前最新的技术路线或研究方向；如果想要深入理解这些技术或模型，尚需进一步学习、研究、及实战。 章节设置很合理：概述、内容理解（才能进行推荐）、用户画像（属性和标签）、召回（传统、向量化、基于用户行为序列、图Embedding）、排序、重排、冷启动、特征工程、AB实验（验证推荐算法）。绘制（或引用）的架构图、思维导图是加分项。 对于模型之间的或细微或较大的区别，几乎没有提及。 另外，书里有好几个缩写都没有给出对应的英文全拼和中文翻译，这是不太专业的。

推荐系统是商业化最成功的机器学习应用场景之一，打车、外卖、购物，刷视频、听音乐、下载应用等等，无处不在的内容推荐，已经非常深远地影响了我们的工作和生活。本书从内容理解、用户画像、召回、粗排、精排、重排等各环节系统性的介绍了推荐系统的原理和应用，是很好的入门科普书籍。

前同事写的书，内容很扎实成体系，值得推荐

可以作为一个统领性书籍来看，覆盖推荐算法的各个领域技术概要，对于刚入行的从业人员来说可能会有点陌生，个人觉得比较适合工作两三年的人员来书中查漏补缺，很多内容由于篇幅问题无法细致道来，还需要进一步结合外部资料去学习

《推荐系统》是提供了一系列的推荐算法。关键的三个环节：召回、粗排序、精排序。粗排可以给精排减少一定的压力。召回是从所有内容里。挑选1%或万分之一的内容。然后排序，循环往复，它形成一个漏斗，最终返给返回给前台的用户，展示的是100或者是十个内容。推荐算法的一个简单的抽象。第二个关键点是能起到去保障靠他的一个匹配度。冷启动基本还是靠用户的兴趣标签（用户画像）。尽可能的去收集用户信息。比如说小红书在第一次进入的时候，会让你勾选一些感兴趣的内容。你的性别年龄之类的一些信息。

牛皮啊，我买的纸质书才到，你为什么不提前上架呢，啊啊啊啊啊

非常接地气，能够帮助研究生阶段学习与入职经验。其中不乏技术综述，技术作用评析联系实际很清晰实在，也不乏系统产品发展的独到见解。贴近技术、贴近市场、贴近管理，大概CTO就该是这样的风格。 例如： 对于不同的推荐系统来说，由于行业赛道、平台目标、发展阶段的不同，重排序阶段的策略和技术都有非常大的差异，需要根据实际情况进行技术选型和迭代。

都是基本上都是缩写词和算法的简单堆砌，没有任何深度。对于了解搜广推的核心流程还可以，差评