推薦系統全鏈路設計：原理解讀與業務實踐
這是一本指導中高級從業者高質量落地現代推薦系統，圍繞現代推薦系統核心技術展開深度解讀的專業工具書，又是一套完整的推薦系統高質量落地解決方案。本書基于推薦算法工程師實際工作場景規劃內容，融合了作者在阿里巴巴、58同城等多家大廠做推薦系統設計和優化的經驗，是一本方法和實踐兼具的好書。本書不針對零基礎從業者，而是以幫助初級算法工程師向中高級進階為目標。書中從底層剖析推薦系統在實際業務場景中可能出現的各種問題，直指問題的本質，并按照推薦系統工作流程逐一破解。本書共包括11章：第1章主要介紹推薦系統在各個互聯網業務場景中的落地情況，包括構建推薦系統可能面臨的問題，以及電商、視頻、電子書、廣告系統、信息流、拉活促銷等相關推薦系統落地指導。第2章介紹現代推薦系統的整體架構，以幫助讀者從宏觀層面整體了解推薦系統。第3章對推薦系統所需要的數據和特征處理進行深度剖析，包括數據的收集、非結構化數據的結構化清洗、連續特征處理和離散特征處理等重點內容。第4章對推薦系統的在線指標和離線指標，以及AB實驗的設計進行深度講解。第5章和第6章，主要對機器學習和神經網絡的設計和調參進行詳細解讀。這是本書的重點，也是很多推薦算法工程師的痛點。這部分包括XGBoost的重要參數調優、集成學習最DA化推薦效果利用、DNN網絡深度和寬度的影響、激活函數的選擇、優化器選擇、損失函數、過/欠擬合等內容。第7~9章分別對召回層、精排層、粗排層進行詳細解讀，包括5種召回方案、4種精排建模方式、2種粗排設計方案，以及模型可解釋性、近離線計算等重點內容。第10章主要介紹精排模型的分析方法，重排模型（PRM、生成式重排模型）和混排（混排的原理和強化學習在混排的應用）的原理。第11章主要介紹冷啟動鏈路的設計，主要包括新用戶如何冷啟動、新物料如何冷啟動和冷啟動涉及的流量分配算法。這是本書的特色內容。
·13.8萬字
