現(xiàn)代推薦算法
鏈接：https://pan.baidu.com/s/1Le5pXXF6N_-mkgFo2JKrMg?pwd=86xr?
提取碼：86xr
本書不僅全面地介紹了當下前沿流行的各式推薦算法，更多的是在闡釋技術(shù)的同時把作者多年作為推薦算法工程師的工作經(jīng)驗和技巧融合進去，提升本書的含金量，給讀者能同時帶去技術(shù)和職場雙重收獲！
得到：
→中國圖象圖形學(xué)學(xué)會副理事長兼秘書長 北京科技大學(xué)計算機與通信工程學(xué)院副院長|馬惠敏
→張楓
→Meta Principal Scientist |劉霽
→阿里媽媽展示及內(nèi)容廣告算法總監(jiān)|姜宇寧（孟諸）
→北京大學(xué)計算機學(xué)院助理教授、博士生導(dǎo)師|王鶴
五位專家傾情作序推薦，每篇推薦序都是值得我們學(xué)習(xí)的推薦典范文章，既講述了推薦的發(fā)展歷史又闡明當下推薦趨勢。
也得到了：
→抖音推薦負責(zé)人|劉作濤
→字節(jié)跳動前視覺技術(shù)負責(zé)人|王長虎
→快手推薦算法副總裁|周國睿
→清華大學(xué)博士|陳曉智
→AMD高級軟件研發(fā)經(jīng)理|李棟
→卡耐基梅隆大學(xué)博士后 Sea AI Lab 研究員|許翔宇
→曠視科技高級研究員|劉宇
→清華大學(xué)未來實驗室助理研究員|路奇
→思謀科技總經(jīng)理|蘇馳
九位專家的鼎力推薦，誠心道出對本書的贊賞與評價，供讀者品鑒。
內(nèi)容簡介
本書深入全面地講解了現(xiàn)代推薦算法，同時兼顧深度和廣度，介紹了當下較前沿、先進的各類算法及其實踐。
本書從總覽篇開始，介紹推薦系統(tǒng)的基本概念及工作環(huán)節(jié)。在模型篇中，除了梳理推薦系統(tǒng)的發(fā)展史，本書還重點講解面向工業(yè)實踐的選擇及改進，為讀者打下推薦系統(tǒng)的算法基礎(chǔ)；進而帶著讀者進階到前沿篇、難點篇，面對推薦系統(tǒng)中的各式問題，給出解決方案；最后在決策篇中，從技術(shù)原理和用戶心理出發(fā)，解釋一些常見決策背后的依據(jù)，從而幫助讀者從執(zhí)行層面進階到?jīng)Q策層面，建立大局觀。
本書力求用簡潔易懂的語言說清核心原理，對已經(jīng)有一定機器學(xué)習(xí)概念和數(shù)學(xué)基礎(chǔ)的學(xué)生和相關(guān)領(lǐng)域的從業(yè)者非常友好，特別適合推薦系統(tǒng)、計算廣告和搜索領(lǐng)域的從業(yè)者及學(xué)生拓展新知和項目實戰(zhàn)。
作者簡介
趙致辰
本碩畢業(yè)于清華大學(xué)電子工程系。主要研究方向包括動作識別、人臉識別、廣告和推薦中的排序模型及冷啟動問題等，發(fā)表相關(guān)學(xué)術(shù)領(lǐng)域論文7篇。曾從事移動端人臉識別工作，開發(fā)的紅外人臉識別算法應(yīng)用于國內(nèi)多款手機；在推薦領(lǐng)域，提出的“POSO”模型在用戶冷啟動問題上取得突破性收益，已經(jīng)在業(yè)界廣泛應(yīng)用，國內(nèi)外多家公司與產(chǎn)品如TikTok、快手、Meta等都在以POSO為原型探索冷啟動模型。
精彩書評
《現(xiàn)代推薦算法》這本書，對現(xiàn)代推薦領(lǐng)域的技術(shù)和應(yīng)用進行了重新梳理。本書從
應(yīng)用需求和實際問題出發(fā)，翔實地介紹了推薦系統(tǒng)環(huán)節(jié)、具體算法模型、前沿技術(shù)與
方向。此外，本書還包含解決冷啟動等難點問題的技巧，多種技術(shù)選型的討論，以及
產(chǎn)品運營決策的建議。
——中國圖象圖形學(xué)學(xué)會副理事長兼秘書長 北京科技大學(xué)計算機與通信工程學(xué)院副院長|馬惠敏
《現(xiàn)代推薦算法》這本書很難得地從當前互聯(lián)網(wǎng)主流產(chǎn)品和推薦系統(tǒng)的真實問題出發(fā)，總結(jié)了包含阿里巴巴、字節(jié)跳動等公司最新公開的技術(shù)進展，更適合當下一線的推薦算法從業(yè)者閱讀。
——張楓
這本書從實踐出發(fā)，比較全面地涵蓋了最近幾年前沿的推薦技術(shù)的發(fā)展，深入淺出，兼顧了前沿性、實用性和嚴謹性，是不可多得
的推薦領(lǐng)域入門教材。即便對像我這樣具備一定從業(yè)經(jīng)驗的人來說，在讀到很多章節(jié)
時也受益匪淺。
最后希望這本書能夠為大家順利打開進入推薦行業(yè)的大門。
——Meta Principal Scientist |劉霽
本書由水哥（趙致辰）撰寫，他是我在字節(jié)跳動的同事和朋友。他不僅有豐富的
計算機視覺和推薦系統(tǒng)的研發(fā)經(jīng)驗，還是一個有敏銳洞察力和創(chuàng)造力的人。他能夠?qū)?/p>
最新的研究成果轉(zhuǎn)化為實際應(yīng)用，并且能夠清晰地闡述自己的思路和方法。這本書就
是他對推薦系統(tǒng)領(lǐng)域的總結(jié)和分享。本書涵蓋了從基礎(chǔ)理論到前沿技術(shù)，從工程實踐
到業(yè)界案例，從數(shù)學(xué)公式到代碼實現(xiàn)等方面的內(nèi)容，既適合初學(xué)者作為入門教材，也
適合進階者作為參考資料。
——阿里媽媽展示及內(nèi)容廣告算法總監(jiān)|姜宇寧（孟諸）
從內(nèi)容上講，這本書以推薦系統(tǒng)的視角，從理論到實踐，從算法到工程，從技術(shù)到商業(yè)，全面講解了推薦系統(tǒng)的方方面面。這使得讀者不僅能夠了解推薦系統(tǒng)的原理，還能掌握實際應(yīng)用的技巧，對工業(yè)界人士和感興趣的同學(xué)們來說都是極具參考價值的。
——北京大學(xué)計算機學(xué)院助理教授、博士生導(dǎo)師|王鶴
當下，推薦算法已經(jīng)得到非常廣泛的應(yīng)用，進而影響到大家生活的很多方面，也或改變、或更新了很多商業(yè)模式。相應(yīng)地，人們對推薦系統(tǒng)的需求和復(fù)雜度的要求達到了一個前所未有的高度，推薦系統(tǒng)所用的技術(shù)正在經(jīng)歷巨大的變革。作為推薦領(lǐng)域的從業(yè)者，我們需要重新審視和理解推薦系統(tǒng)，本書的出版恰合時宜。本書全面地闡述了大規(guī)?，F(xiàn)代推薦系統(tǒng)所遇到的各種問題，包括其難點和痛點，同時細致地介紹了前沿算法、業(yè)界新進展及作者本人的深度思考。我相信本書對推薦領(lǐng)域的從業(yè)者在業(yè)務(wù)知識的補充和職業(yè)方向的選擇等方面會有很不錯的助益。
——抖音推薦負責(zé)人|劉作濤
本書是一部探討推薦系統(tǒng)核心技術(shù)與實踐應(yīng)用的精彩之作。作者以在字節(jié)跳動廣告推薦領(lǐng)域的實戰(zhàn)經(jīng)驗為基礎(chǔ)，在本書中生動地闡述了推薦系統(tǒng)的全鏈路及模型，以及其對前沿技術(shù)的獨到見解。本書既有理論深度，又有實踐指導(dǎo)價值，強烈建議給關(guān)心推薦系統(tǒng)研究與應(yīng)用的朋友們閱讀。
——字節(jié)跳動前視覺技術(shù)負責(zé)人|王長虎
通讀本書，不僅能領(lǐng)略推薦系統(tǒng)的發(fā)展進程，理解各階段的技術(shù)思路，還能在各個細節(jié)之處發(fā)現(xiàn)驚喜。本書蘊含諸多獨到的見解，值得用心體會。
——快手推薦算法副總裁|周國睿
與諸如計算機視覺等機器學(xué)習(xí)不同，推薦面對的對象不是客觀的物體，而是用戶。在互聯(lián)網(wǎng)時代，對用戶的理解是不可或缺的。本書凝結(jié)了作者對推薦領(lǐng)域的思考、對用戶的認識，內(nèi)含作者的獨到見解，讀后有很大幫助。
——清華大學(xué)博士|陳曉智
本書深入淺出地介紹了現(xiàn)代推薦系統(tǒng)的核心技術(shù)，全面剖析了推薦系統(tǒng)的基礎(chǔ)模型、技術(shù)前沿和難點問題。本書行文幽默詼諧、言必有物，是一本難得的推薦系統(tǒng)入門和工業(yè)實戰(zhàn)佳作。
——AMD 高級軟件研發(fā)經(jīng)理|李棟
《現(xiàn)代推薦算法》一書以通俗易懂的語言解釋了推薦系統(tǒng)中的各種復(fù)雜技術(shù)和算法，凝結(jié)了作者在該領(lǐng)域的長期積累和深刻洞見，非常適合于想要學(xué)習(xí)推薦系統(tǒng)的初學(xué)者和從業(yè)人員，它不僅可以幫助讀者建立推薦系統(tǒng)的基礎(chǔ)知識，還可以幫助讀者深入了解推薦系統(tǒng)的各種算法和應(yīng)用場景，我強烈推薦這本書給所有對推薦系統(tǒng)感興趣的讀者。
——卡耐基梅隆大學(xué)博士后 Sea AI Lab 研究員|許翔宇
本書深入淺出地介紹了推薦系統(tǒng)的理論知識及產(chǎn)品應(yīng)用，新手能從中學(xué)習(xí)到豐富的推薦系統(tǒng)知識，已經(jīng)從事推薦行業(yè)多年的人再讀也會頗有啟發(fā)。我誠摯地向想了解推薦系統(tǒng)和想進一步深入研究推薦系統(tǒng)的讀者推薦此書。
——曠視科技高級研究員|劉宇
閱讀本書使得我們對互聯(lián)網(wǎng)推薦系統(tǒng)有了更加深刻的理解，本書內(nèi)容覆蓋全面，從技術(shù)架構(gòu)、算法細節(jié)到用戶理解、運營邏輯等均有涉獵，對于相關(guān)從業(yè)人員的進階修煉大有益處，同時也為廣大普通用戶了解自己常用的信息獲取平臺的背后推薦機制提供了有效入口。
——清華大學(xué)未來實驗室助理研究員|路奇
對于想要深入了解推薦系統(tǒng)的人來說，《現(xiàn)代推薦算法》這本書是一個非常好的選擇。該書介紹了推薦系統(tǒng)的基本原理、常用算法以及實現(xiàn)技術(shù)，并提供了詳細的案例研究和實踐經(jīng)驗。無論你是一名學(xué)生、研究人員還是工程師，這本書都會為你提供豐富的知識和實用的指導(dǎo)，讓你能夠更好地設(shè)計和實現(xiàn)推薦系統(tǒng)，為用戶提供更好的推薦服務(wù)。
——思謀科技總經(jīng)理|蘇馳
目錄
總覽篇
第 1 章 推薦系統(tǒng)概述 2
11 推薦系統(tǒng)是什么 2
12 推薦系統(tǒng)發(fā)展的天時、地利、人和 4
121 天時 6
122 地利 6
123 人和 7
第 2 章 現(xiàn)代推薦鏈路 9
21 召回、粗排、精排——各有所長 9
22 召回、粗排、精排——級聯(lián)漏斗 13
23 打壓、保送、重排——拍不完的腦袋 20
模型篇
第 3 章 精排之鋒 25
31 簡單“復(fù)讀機”——邏輯回歸模型 25
32 工業(yè)邏輯回歸模型的稀疏性要求 29
33 FM 的一小步，泛化的一大步 34
34 多彩的 FNN/PNN/ONN/NFM 世界 37
35 高階交叉 41
36 工具人 GBDT 45
37 嵌入表示亦福亦禍，樹模型的新機遇 49
38 DNN 與兩大門派，“一念神魔”與功不唐捐 53
39 再論特征與嵌入生成 58
310 機器學(xué)習(xí)唯一指定王牌技術(shù)——注意力機制 62
311 注意力機制的幾種寫法 65
312 Transformer 的升維打擊 69
第 4 章 粗排之柔 72
41 粗排存在與否的必要性 73
42 粗排復(fù)雜化的方法 73
43 Pair-wise 與 List-wise 74
第 5 章 召回之厚 76
51 u2i 之雙塔進擊史 76
52 i2i 及 u2u2i 方案 81
53 近似搜索概覽 85
531 向量量化類方法 86
532 基于圖的搜索 87
54 樹模型與類樹模型的沖擊 89
第 6 章 模型迭代的術(shù)與道 93
61 什么是“老湯模型” 93
62 模型迭代的“術(shù)” 96
63 模型迭代的“道” 98
前沿篇
第 7 章 用戶興趣建模 101
71 從百到萬的用戶長期興趣建模 101
711 從百到千 102
712 從千到萬 102
72 用戶多峰興趣建模 104
第 8 章 多任務(wù)學(xué)習(xí) 107
81 多任務(wù)學(xué)習(xí)的實踐意義 107
82 多任務(wù)學(xué)習(xí)的基本框架 110
83 平行關(guān)系建模——MMoE 類方法 113
84 非平行關(guān)系建模，任務(wù)間的因果 117
第 9 章 非梯度場景 121
91 線上與線下的鴻溝 121
92 弱個性化 CEM，強個性化強化學(xué)習(xí) 124
93 探微參數(shù)與性能的關(guān)系，把點連成面 128
第 10 章 探索與利用 133
101 為什么要探索與利用 133
102 探索的本質(zhì)是巧妙“貪心” 136
第 11 章 后精排環(huán)節(jié) 139
111 定義多樣性問題，簡單的形式與復(fù)雜的標準 139
112 DPP 算法與多樣性 142
113 考慮上下文的重排序 144
第 12 章 推薦中的偏差與消除 147
121 各種各樣的偏差 147
122 流行度偏差的消除 148
123 位置偏差的消除 151
第 13 章 自動機器學(xué)習(xí)技術(shù) 155
131 網(wǎng)絡(luò)結(jié)構(gòu)搜索與網(wǎng)絡(luò)微操的探索 155
132 特征的搜索 159
133 模型壓縮 161
第 14 章 圖計算 165
141 數(shù)據(jù)結(jié)構(gòu)的終極 165
142 GNN 的極簡發(fā)展史 168
143 物料非原子化，建模轉(zhuǎn)向圖 171
難點篇
第 15 章 延遲轉(zhuǎn)化 175
151 轉(zhuǎn)化與廣告機制 175
152 轉(zhuǎn)化的分解 177
153 其他角度 178
第 16 章 物料冷啟動 181
161 “多模態(tài)之石，可以攻玉” 181
162 預(yù)排序向左，個性化向右 184
163 流量分配，“普度眾生”還是“造神” 188
第 17 章 用戶冷啟動 191
171 元學(xué)習(xí)，對模型拔高的要求 191
172 初始化的基底分解與生成 195
173 POSO，首個從結(jié)構(gòu)角度改善用戶冷啟動的模型 197
174 精品池：抓住人性需求 201
第 18 章 因果推斷 204
181 當分布不夠用時 204
182 尋找“工具人”，將因果推斷直接應(yīng)用于推薦 209
第 19 章 長尾優(yōu)化 212
決策篇
第 20 章 流量 218
201 重新認識流量 218
2011 流量區(qū)分快慢 219
2012 流量區(qū)分成本高低 220
2013 流量是盲目的 220
2014 流量是有“圈子”的 221
202 時間的研究 222
第 21 章 分層 224
211 你必須理解的物料生命周期 224
212 你必須理解的用戶分層 228
213 三階段讓用戶為我“死心塌地” 231
第 22 章 實驗現(xiàn)象與回收 234
221 決策上線的黃金法則 234
222 “臨門一腳”，結(jié)果真的置信了嗎 237
223 不萬能的 A/B 實驗和難以歸因的反轉(zhuǎn) 239
224 線上和線下的對齊——無窮逼近 241
后記 243
參考文獻 244
查看全部↓
