動手學推薦系統——基於PyTorch的算法實現（微課視頻版）

《動手學推薦系統——基於PyTorch的算法實現（微課視頻版）》是2022年清華大學出版社出版的圖書，作者是於方仁。

基本介紹

• 書名：動手學推薦系統——基於PyTorch的算法實現（微課視頻版）
• 作者：於方仁
• 出版社：清華大學出版社
• 出版時間：2022年11月1日
• 定價：79 元
• ISBN：9787302606284

內容簡介

本書從理論結合實踐編程來學習推薦系統。由淺入深，先基礎後進階，先理論後實踐，先主流後推導。 第1章較為簡單，僅初步帶領大家了解什麼是推薦系統及推薦系統的簡史。第2章到第5章介紹的是主流的推薦算法及推薦算法的推導過程，這部分是本書的核心，每個算法都描述的非常詳細且有具體代碼幫助大家理解，深度學習的框架將採用PyTorch。第6章介紹的是商業及推薦系統的組成結構，第7章系統地介紹了推薦系統的評估指標及方式。第8章則介紹整個推薦工程的生命周期。第6~8章可隨時抽取出來提前看。本書配套示例代碼及微課視頻，幫助讀者快速入門推薦算法及系統。 本書可作為高等院校、科研機構或從事推薦系統工作的工程師的參考書籍，也可作為高年級本科生和研究生的學習參考書籍。

目錄

第1章推薦系統的初步了解（ 28min）

1.1什麼是推薦系統

1.2推薦系統的由來

1.2.1Tapestry

1.2.2GroupLens

1.3推薦系統的概況

1.4推薦算法的概況

參考文獻

第2章基礎推薦算法（ 398min）

2.1協同過濾

2.2基礎近鄰指標

2.2.1CN相似度

2.2.2Jaccard相似度

2.2.3Cos相似度

2.2.4Pearson相似度

2.2.5Pearson相似度與Cos相似度之間的聯繫

2.3基於近鄰的協同過濾算法

2.3.1UserCF

2.3.2行為相似與內容相似的區別

2.3.3ItemCF

2.3.4實戰： UserCF

2.3.5實戰： ItemCF

2.3.6實戰： 標註為1~5的評分

2.4推薦模型評估： 入門篇

2.4.1廣義的準確率、精確率、召回率

2.4.2推薦系統的準確率、精確率、召回率

2.4.3推薦列表評測

2.4.4對近鄰協同過濾模型進行評測

2.5進階近鄰指標

2.5.1UserIIF與ItemIUF

2.5.2更高效地利用流行度定義近鄰指標

2.5.3自定義相似度指標的範式

2.6矩陣分解協同過濾算法

2.6.1SVD矩陣分解

2.6.2將SVD用作推薦

2.6.3LFM隱因子模型

2.6.4ALS代碼實現

2.6.5推薦模型評估： MSE、RMSE、M...

2.6.6以深度學習端到端訓練思維理解ALS

2.6.7ALS代碼實現PyTorch版

2.7邏輯回歸出發的推薦算法

2.7.1顯式反饋與隱式反饋

2.7.2邏輯回歸

2.7.3POLY2

2.7.4FM

2.7.5以深度學習端到端訓練思維理解FM

2.8本章總結

2.8.13個重要算法： 近鄰協同過濾、ALS、FM

2.8.2協同過濾算法總結

參考文獻

第3章進階推薦算法（ 351min）

3.1神經網路推薦算法推導範式

3.1.1ALS+MLP

3.1.2特徵向量+MLP

3.1.3結合CNN的推薦

3.1.4結合RNN的推薦

3.1.5ALS結合RNN

3.1.6聯合訓練的RNN

3.1.7小節總結

3.2FM在深度學習中的套用

3.2.1FNN

3.2.2改進後的FNN

3.2.3Wide & Deep

3.2.4DeepFM

3.2.5AFM

3.2.6小節總結

3.3序列推薦算法

3.3.1基本序列推薦模型

3.3.2DIN與注意力計算方式

3.3.3從PReLU到Dice激活函式

3.3.4DIEN模擬興趣演化的序列網路

3.4Transformer在推薦算法中的套用

3.4.1從推薦角度初步了解Transformer

3.4.2多頭注意力與縮放點乘注意力算法

3.4.3殘差

3.4.4Layer Normalization

3.4.5前饋神經網路層

3.4.6位置編碼

3.4.7Transformer Encoder

3.4.8利用Transformer編碼器的推薦算法BST

3.4.9Transformer Decoder

3.4.10結合Transformer解碼器的推薦算法推導

3.5本章總結

參考文獻

第4章圖神經網路與推薦算法（ 275min）

4.1圖論基礎

4.1.1什麼是圖

4.1.2無向圖與有向圖

4.1.3無權圖與有權圖

4.1.4同構圖與異構圖

4.1.5圖的表示： 鄰接矩陣

4.1.6圖的表示： 鄰接列表

4.1.7圖的表示： 邊集

4.1.8鄰居與度

4.1.9結構特徵、節點特徵、邊特徵

4.1.10處理圖的Python庫推薦

4.2基於圖的基礎推薦方式

4.2.1鏈路預測(Link Prediction)

4.2.2什麼是路徑

4.2.3基於路徑的基礎鏈路預測

4.2.4圖遊走算法DeepWalk

4.2.5圖遊走算法Node2Vec

4.3圖神經網路

4.3.1GCN圖卷積網路

4.3.2GAT圖注意力網路

4.3.3訊息傳遞

4.3.4圖採樣介紹

4.3.5圖採樣算法： GraphSAGE

4.3.6圖採樣算法： PinSAGE