当前位置: 首页 > 架构

《从零开始构建企业级推荐系统》张相於 PDF电子书 [91MB]

  • 架构
  • 更新时间:2024-05-29 22:18:12
简介《从零开始构建企业级推荐系统》是由58集团算法架构师张相於编著,这是一本面向实践的企业级推荐系统开发指南,内容包括产品设计、相关性算法、排序模型、工程架构、效果评测、系统监控等推荐系统...
《从零开始构建企业级推荐系统》pdf电子书下载
《从零开始构建企业级推荐系统》pdf百度云
《从零开始构建企业级推荐系统》pdf百度云
《从零开始构建企业级推荐系统》pdf百度云
《从零开始构建企业级推荐系统》pdf百度云

 

从零开始构建企业级推荐系统pdf百度网盘下载地址?

《从零开始构建企业级推荐系统》是一本面向实践的企业级推荐系统开发指南,内容包括产品设计、相关性算法、排序模型、工程架构、效果评测、系统监控等推荐系统核心部分的设计与开发,可以帮助开发者逐步构建一个完整的推荐系统,并提供了持续优化的系统性思路。本书注重从系统性和通用性的角度看待推荐系统的核心问题,希望能够帮助读者做到知其然,也知其所以然,更能够举一反三,真正掌握推荐系统的核心本质。此外,本书对于推荐系统开发中常见的问题和陷阱,以及系统构建过程,也做了重点介绍,力求让读者不仅知道做什么,而且知道怎么做。

本书的目标读者是推荐系统研发工程师、产品经理以及对推荐系统感兴趣的学生和从业者。

作者简介:
张相於,58集团算法架构师,转转搜索推荐部负责人,负责转转的搜索、推荐以及算法相关工作。多年来主要从事推荐系统以及机器学习相关工作,也做过计算广告、反作弊等相关工作,并热衷于探索大数据技术&机器学习技术在其他领域的应用实践。

 
为什么需要推荐系统?用户体验、技术储备、流量利用、长尾挖掘。
推荐场景适合用户在当前场景中具有较强的不确定性、当前场景中的用户处于选择过程中,需要信息引导、当前场景存在流量浪费或潜在用户流失的可能性较大
推荐系统核心逻辑
1、将用户与物品的相关性拆解为用户与兴趣的相关性和兴趣与物品的相关性的乘积
2、将这种思路加以具象化,就有了“用户兴趣+相关性召回+融合排序”这种三段式逻辑,并从此逻辑产生出了对应的具体实现架构
实施机器学习系统需要的指标体系包括两方面,一方面是监控机器学习系统本身好坏的指标,例如AUC等离线评估指标和点击率等线上监控指标;另一方面是对机器学习系统所服务和影响的大系统的各方面指标,例如在推荐系统中除机器学习以外的一些指标,包括用户平均停留时长、平均跳出率、平均分享率等。第一种类型指标,其作用是衡量机器学习系统本身效果的好坏,是否符合预期;第二种类型的指标,其作用是衡量机器学习系统上线之后,对系统其他方面的影响,以防某一指标提升之后,导致其他关键指标的下降。
搭建机器学习系统的工程师会面临一个非常难以抗拒的诱惑,即复杂模型、深度模型的诱惑,这个 诱惑会让工程师希望能在自己搭建的系统中使用到一些高级的模型。

第一,最重要的是搞清楚在整个系统中当前投入产出比最高的事情是什么,这个问题的答案在很大程度上决定了模型选择的大方向;第二,需要考虑系统的预期承载压力和性能要求,对于一个典型的推荐系统来讲,实时处理的性能要求通常都在100ms以下,也就是说,留给处理一个推荐请求的时间是小于100ms的,而这其中包括了候选集召回、结果排序、物品信息获取等环节,真正留给机器学习系统用来做模型预测的时间会更少,例如可以只有30ms左右;第三,需要评估模型可解释的重要性;第四,需要评估可用的训练数据量和可承载的特征量。
使用大量数据以及较为复杂的算法进行计算和挖掘;在具体实践中,经常放在离线层执行的任务主要包括:协同过滤等行为类相关性算法计算、用户标签挖掘、物品标签挖掘、用户长期兴趣挖掘、机器学习模型排序等。


目录:
第1章 推荐系统的时代背景 1
第2章 推荐系统的核心技术概述 19
第3章 基础推荐算法 31
第4章 算法融合与数据血统 54
第5章 机器学习技术的应用 69
第6章 用户画像系统 124
第7章 系统效果评测与监控 148
第8章 推荐效果优化 182
第9章 自然语言处理技术的应用 211
第10章 探索与利用问题 228
第11章 推荐系统架构设计 242
第12章 推荐系统工程师成长路线 263
第13章 推荐系统的挑战 275

点击下载