推荐系统与深度学习2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

推荐系统与深度学习PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 什么是推荐系统1

1.1推荐系统的概念1

1.1.1推荐系统的基本概念1

1.1.2深度学习与推荐系统4

第2章 深度神经网络7

2.1什么是深度学习7

2.1.1深度学习的三次兴起7

2.1.2深度学习的优势9

2.2神经网络基础11

2.2.1神经元11

2.2.2神经网络12

2.2.3反向传播13

2.2.4优化算法14

2.3卷积网络基础17

2.3.1卷积层17

2.3.2池化层19

2.3.3常见的网络结构19

2.4循环网络基础21

2.4.1时序反向传播算法22

2.4.2长短时记忆网络24

2.5生成对抗基础25

2.5.1对抗博弈26

2.5.2理论推导27

2.5.3常见的生成对抗网络29

第3章 TensorFlow平台31

3.1什么是TensorFlow31

3.2 TensorFlow安装指南33

3.2.1 Windows环境安装33

3.2.2 Linux环境安装34

3.3 TensorFlow基础36

3.3.1数据流图36

3.3.2会话37

3.3.3图可视化37

3.3.4变量37

3.3.5占位符38

3.3.6优化器38

3.3.7一个简单的例子38

3.4其他深度学习平台39

第4章 推荐系统的基础算法42

4.1基于内容的推荐算法42

4.1.1基于内容的推荐算法基本流程42

4.1.2基于内容推荐的特征提取45

4.2基于协同的推荐算法47

4.2.1基于物品的协同算法49

4.2.2基于用户的协同算法57

4.2.3基于用户协同和基于物品协同的区别59

4.2.4基于矩阵分解的推荐方法61

4.2.5基于稀疏自编码的推荐方法71

4.3基于社交网络的推荐算法80

4.3.1基于用户的推荐在社交网络中的应用81

4.3.2 node2vec技术在社交网络推荐中的应用85

4.4推荐系统的冷启动问题94

4.4.1如何解决推荐系统冷启动问题94

4.4.2深度学习技术在物品冷启动上的应用101

第5章 混合推荐系统119

5.1什么是混合推荐系统119

5.1.1混合推荐系统的意义120

5.1.2混合推荐系统的算法分类122

5.2推荐系统特征处理方法125

5.2.1特征处理方法126

5.2.2特征选择方法134

5.3常见的预测模型141

5.3.1基于逻辑回归的模型141

5.3.2基于支持向量机的模型144

5.3.3基于梯度提升树的模型148

5.4排序学习150

5.4.1基于排序的指标来优化150

5.4.2 L2R算法的三种情形152

第6章 基于深度学习的推荐模型156

6.1基于DNN的推荐算法156

6.2基于DeepFM的推荐算法163

6.3基于矩阵分解和图像特征的推荐算法171

6.4基于循环网络的推荐算法174

6.5基于生成对抗网络的推荐算法176

6.5.1 IRGAN的代码实现179

第7章 推荐系统架构设计183

7.1推荐系统基本模型183

7.2推荐系统常见架构185

7.2.1基于离线训练的推荐系统架构设计185

7.2.2面向深度学习的推荐系统架构设计191

7.2.3基于在线训练的推荐系统架构设计194

7.2.4面向内容的推荐系统架构设计197

7.3推荐系统常用组件199

7.3.1数据上报常用组件199

7.3.2离线存储常用组件200

7.3.3离线计算常用组件200

7.3.4在线存储常用组件201

7.3.5模型服务常用组件201

7.3.6实时计算常用组件201

7.4推荐系统常见问题201

7.4.1实时性201

7.4.2多样性202

7.4.3曝光打击和不良内容过滤202

7.4.4评估测试202

后记203