自己動手做推薦引擎

［印］蘇雷什·庫馬爾·戈拉卡拉（Suresh Kumar Gorakala）　著 左妍

自己動手做推薦引擎

買這商品的人也買了...

商品描述

本書是一本推薦引擎技術的綜合入門指南，詳細介紹使用R、Python、Spark、Mahout、Neo4j技術實現諸如協同過濾、基於內容的推薦引擎和情境感知推薦引擎等內容。本書也介紹了行業內廣泛使用的各種推薦引擎及其實現。此外，本書還涵蓋一些推薦引擎中常用的流行數據挖掘技術，並在最後簡要討論了推薦引擎的未來方向。

本書適合想要使用R、Python、Spark、Neo4j和Hadoop構建復雜預測決策系統及推薦引擎的初學者和有經驗的數據科學家閱讀。

推薦引擎（有時也稱為推薦系統）是一個能讓算法開發者預測用戶會喜歡或不喜歡給定項目列表中項目的工具。它在最近幾年得到了廣泛應用。
本書首先介紹推薦引擎及其應用，然後循序漸進地講解如何使用R、Python、Spark、Neo4j和Hadoop等流行框架構建推薦系統。通過本書，你會瞭解到每種推薦引擎的利弊以及何時使用它們，也將學會創建簡單的推薦引擎、實時推薦引擎和可擴展推薦引擎等。

通過閱讀本書，你將學會：

·構建你的第一個推薦引擎
·瞭解構建推薦引擎所需的工具
·鑽研推薦系統的各種技術，如協同過濾、基於內容及交叉推薦
·創建減輕你工作負擔的高效決策系統
·熟悉不同框架中的機器學習算法
·通過實際代碼示例精通不同版本的推薦引擎
·探索各種推薦系統並通過流行技術（如R、Python、Spark等）實現它們

作者簡介

蘇雷什·庫馬爾·戈拉卡拉（Suresh Kumar Gorakala），一位專註於人工智能方向的數據科學家。他擁有近10年的專業經驗，曾為多個領域的全球客戶服務，並幫助他們使用先進的大數據分析技術解決業務問題。他主要從事推薦引擎、自然語言處理、高級機器學習和圖數據庫等方面的工作。

目錄大綱

作者簡介
技術評審員簡介
前言
第1章 推薦引擎介紹
1.1 推薦引擎定義
1.2 推薦系統的必要性
1.3 大數據對推薦系統的推動作用
1.4 推薦系統類型
1.4.1 協同過濾推薦系統
1.4.2 基於內容的推薦系統
1.4.3 混合推薦系統
1.4.4 情境感知推薦系統
1.5 推薦系統技術的發展
1.5.1 Mahout在可擴展推薦系統中的應用
1.5.2 Apache Spark在可擴展實時推薦系統中的應用
1.6 本章小結
第2章 構建第一個推薦引擎
2.1 構建基礎推薦引擎
2.1.1 載入並格式化數據
2.1.2 計算用戶相似度
2.1.3 為用戶預測未知評級
2.2 本章小結
第3章 推薦引擎詳解
3.1 推薦引擎的發展
3.2 基於近鄰算法的推薦引擎
3.2.1 基於用戶的協同過濾
3.2.2 基於項目的協同過濾
3.2.3 優點
3.2.4 缺點
3.3 基於內容的推薦系統
3.3.1 用戶畫像生成
3.3.2 優點
3.3.3 缺點
3.4 情境感知推薦系統
3.4.1 情境定義
3.4.2 前置過濾法
3.4.3 後置過濾法
3.4.4 優點
3.4.5 缺點
3.5 混合推薦系統
3.5.1 加權法
3.5.2 混合法
3.5.3 層疊法
3.5.4 特征組合法
3.5.5 優點
3.6 基於模型的推薦系統
……
第4章 數據挖掘技術在推薦引擎中的應用
第5章 構建協同過濾推薦引擎
第6章 構建個性化推薦引擎
第7章 使用Spark構建實時推薦引擎
第8章 通過Neo4j構建實時推薦
第9章 使用Mahout構建可擴展的推薦引擎
第10章 推薦引擎的未來

類似商品