推薦系統(tǒng)全鏈路設(shè)計(jì)：原理解讀與業(yè)務(wù)實(shí)踐
這是一本指導(dǎo)中高級(jí)從業(yè)者高質(zhì)量落地現(xiàn)代推薦系統(tǒng)，圍繞現(xiàn)代推薦系統(tǒng)核心技術(shù)展開深度解讀的專業(yè)工具書，又是一套完整的推薦系統(tǒng)高質(zhì)量落地解決方案。本書基于推薦算法工程師實(shí)際工作場(chǎng)景規(guī)劃內(nèi)容，融合了作者在阿里巴巴、58同城等多家大廠做推薦系統(tǒng)設(shè)計(jì)和優(yōu)化的經(jīng)驗(yàn)，是一本方法和實(shí)踐兼具的好書。本書不針對(duì)零基礎(chǔ)從業(yè)者，而是以幫助初級(jí)算法工程師向中高級(jí)進(jìn)階為目標(biāo)。書中從底層剖析推薦系統(tǒng)在實(shí)際業(yè)務(wù)場(chǎng)景中可能出現(xiàn)的各種問(wèn)題，直指問(wèn)題的本質(zhì)，并按照推薦系統(tǒng)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(tǒng)在各個(gè)互聯(lián)網(wǎng)業(yè)務(wù)場(chǎng)景中的落地情況，包括構(gòu)建推薦系統(tǒng)可能面臨的問(wèn)題，以及電商、視頻、電子書、廣告系統(tǒng)、信息流、拉活促銷等相關(guān)推薦系統(tǒng)落地指導(dǎo)。第2章介紹現(xiàn)代推薦系統(tǒng)的整體架構(gòu)，以幫助讀者從宏觀層面整體了解推薦系統(tǒng)。第3章對(duì)推薦系統(tǒng)所需要的數(shù)據(jù)和特征處理進(jìn)行深度剖析，包括數(shù)據(jù)的收集、非結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)化清洗、連續(xù)特征處理和離散特征處理等重點(diǎn)內(nèi)容。第4章對(duì)推薦系統(tǒng)的在線指標(biāo)和離線指標(biāo)，以及AB實(shí)驗(yàn)的設(shè)計(jì)進(jìn)行深度講解。第5章和第6章，主要對(duì)機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和調(diào)參進(jìn)行詳細(xì)解讀。這是本書的重點(diǎn)，也是很多推薦算法工程師的痛點(diǎn)。這部分包括XGBoost的重要參數(shù)調(diào)優(yōu)、集成學(xué)習(xí)最DA化推薦效果利用、DNN網(wǎng)絡(luò)深度和寬度的影響、激活函數(shù)的選擇、優(yōu)化器選擇、損失函數(shù)、過(guò)/欠擬合等內(nèi)容。第7~9章分別對(duì)召回層、精排層、粗排層進(jìn)行詳細(xì)解讀，包括5種召回方案、4種精排建模方式、2種粗排設(shè)計(jì)方案，以及模型可解釋性、近離線計(jì)算等重點(diǎn)內(nèi)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(qiáng)化學(xué)習(xí)在混排的應(yīng)用）的原理。第11章主要介紹冷啟動(dòng)鏈路的設(shè)計(jì)，主要包括新用戶如何冷啟動(dòng)、新物料如何冷啟動(dòng)和冷啟動(dòng)涉及的流量分配算法。這是本書的特色內(nèi)容。
·13.8萬(wàn)字
