入門推薦系統，你不該該錯過的知識清單

時間 2019-11-06

標籤入門推薦系統不該錯過知識清單简体版

原文原文鏈接

【編者按】本帳號爲第四範式智能推薦產品先薦的官方帳號。本帳號立足於計算機領域，特別是人工智能相關的前沿研究，旨在把更多與人工智能相關的知識分享給公衆，從專業的角度促進公衆對人工智能的理解；同時也但願爲人工智能相關人員提供一個討論、交流、學習的開放平臺，從而早日讓每一個人都享受到人工智能創造的價值。
推薦系統目前已經是學術界至關火熱的研究方向。不少同窗、研究者想要入門推薦系統，但苦於該領域相關資料太多太雜，無從下手。本文收集、整理了和推薦系統相關的書籍、公開課、會議、技術博客、項目代碼、最後簡要舉例推薦系統在不一樣領域的應用。

提綱：php

入門書籍
入門教程
公開數據集
項目代碼
技術博文
學術會議
應用領域

推薦系統入門書籍：

1.《推薦系統實踐》做者：項亮html

《推薦系統實踐》

入門首選。這本書是國內第一本講推薦系統的書，能讓你快速知道如何把學到的理論知識應用到實踐，如何將編程能力應用到推薦系統中去。雖然書中列舉的代碼存在一些爭議，但瑕不掩瑜。強烈推薦！python

2.《集體智慧編程》（Programming Collective Intelligence）git

《集體智慧編程》

這本書很是適合數學知識相對來講較少但又想深刻該領域的讀者，或有實際項目需求但沒有足夠時間去深刻了解的實踐者。該書的做者很是直觀地展現了人工智能和機器學習中的大量經典的算法，更重要的是，做者在展現算法時使用的例子都是互聯網中很是有表明性的場景，不少狀況下還會結合一些實際運營的Web站點的數據做進一步闡釋，深刻淺出。與機器學習相關課程結合學習，將會事半功倍。github

3. 《推薦系統 : 技術、評估及高效算法》（Recommender Systems Handbook）web

做者：Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor算法

Recommender Systems Handbook

這本書被不少人稱爲「枕邊書」。全書共有六百多頁，目前已修訂至第二版，中文譯本也已經發行。對於想把推薦做爲研究方向一直作下去的人來講，這本書必看！這本書以專題的形式，涉及到了推薦系統相關的方方面面。每一個專題都會列出專題中涉及到的論文及未來的發展趨勢，具備很好的指導做用，既可做爲入門理論導讀，又可做爲特定問題的資料索引。apache

4. 《推薦系統》（Recommender Systems: An Introduction）編程

做者：Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrichapi

Recommender Systems: An Introduction(中文版)

這本書內容覆蓋較全面，理論相對簡單，不會有太多難懂的公式。這本書最大的優勢是對推薦系統作了一個很好的整理和歸納，幾乎歸納了推薦系統所涉及的每個模塊，爲讀者上了一堂很好的推薦引擎架構課。看過這本書後，基本上能對推薦系統有一個清晰地理解和相對完整的把控。

關於本書，圖靈社區曾作過一次訪談：
《Dietmar Jannach和Gerhard Friedrich教授談推薦系統的最新研究方向》（2013年）

5. Music Recommendation and Discovery

做者: Òscar Celma

Music Recommendation and Discovery

這本書以音樂推薦爲內容，對音樂推薦的需求和問題、經常使用作法和效果評價作了一個大致的介紹，關於效果評測部分的內容值得細讀。

6. Word Sense Disambiguation: Algorithms and Applications

《詞義消歧：算法與應用》

這本書全面探究了詞義消歧這一問題，並對重要的算法、方式、指標、結果、哲學問題和應用也有涉獵，並有這個領域的權威學者對本領域的歷史及發展所作的較爲全面的綜述。若是涉及到關鍵詞推薦或文本推薦，能夠查閱這本書。

入門推薦系統，你不該該錯過的知識清單

推薦系統入門書籍：

推薦系統入門教程：

推薦系統公開數據集：

推薦系統項目代碼：

推薦系統相關技術博文：

推薦系統相關學術會議：

推薦系統在不一樣領域的應用實例：