推薦系統：原理與實踐 (Recommender Systems: The Textbook) 推荐系统：原理与实践

《 推薦系統：技術、評估及高效算法（原書第2版） 》：
本書由五部分組成：推薦系統的技術、評估、應用、人機交互及高級話題。

第一部分展示瞭如今構建推薦系統的流行和基礎的技術，如協同過濾、基於語義的方法、數據挖掘方法和基於情境感知的方法。
第二部分主要關注離線和真實用戶環境下用於評估推薦質量的技術及方法。
第三部分包括了一些推薦技術多樣性的應用。首先簡述了與工業實現和推薦系統開發相關的一般性問題，隨後詳細介紹了推薦系統在各領域中的應用：音樂、學習、移動、社交網絡及它們之間的交互。
第四部分包含了探討一系列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦系統相關的重要問題。
第五部分收集了一些關於高級話題的文章，例如利用主動學習技術來引導新知識的學習，構建能夠抵擋惡意用戶攻擊的健壯推薦系統的合適技術，以及結合多種用戶反饋和偏好來生成更加可靠的推薦系統。

本書介紹當前推薦系統領域中的經典方法。
不僅詳細討論了各類方法，還對同類技術進行了歸納總結，這有助於讀者對當前推薦系統研究領域有全面的了解。
書中提供了大量的例子和習題來幫助讀者深入理解和掌握相關技術。
此外，本書還介紹了當前新的研究方向，為讀者進行推薦系統技術的研究提供參考。
本書既可以作為計算機相關專業本科生和研究生的教材，也適合開發人員和研究人員閱讀。

作者:(美)查魯·C.阿加沃爾譯者:黎玲利譯者:尹丹譯者:李默涵譯者:王宏志
查魯·C.阿加沃爾（Charu C.Aggarwal）， IBM TJWatson研究中心傑出研究人員（DRSM），於1996年在MIT獲得博士學位。
他對數據挖掘領域有著廣泛的研究。在國際會議和期刊上發表了300餘篇論文。申請了90餘項專利。
他曾三次被評為IBM的“傑出發明人”（Master Inventor）。並曾獲得IBM公司獎（IBM Corporate Award，2003）、IBM傑出創新獎和兩項IBM傑出技術成就獎（2009，2015）。
他因為提出基於冷凝的數據挖掘中的隱私保護技術而獲得EDBT2014的時間檢驗獎（Test of Time Award）。
他還獲得了IEEE ICDM研究貢獻獎（2015），這是數據挖掘領域對具有突出貢獻的研究的兩項最高獎項之一。
他曾多次擔任ACM/IEEE知名國際學術會議的主席或程序委員會主席。
並擔任大數據相關多個知名期刊的主編或編委。由於在知識發現和數據挖掘算法上的貢獻，他入選SIAM、ACM和IEEE的會士。