Systemy rekomendacji: Podręcznik

Opinie czytelników

Książka jest wysoko ceniona za jasny język, kompleksowe omówienie systemów rekomendacji i praktyczne spostrzeżenia, dzięki czemu jest cenna zarówno dla początkujących, jak i bardziej zaawansowanych czytelników. Brakuje jej jednak głębi w zaawansowanych tematach, takich jak zastosowania głębokiego uczenia w systemach rekomendacji i zawiera ograniczoną liczbę opracowanych przykładów.

Przejrzysty i dobrze zorganizowany tekst. Kompleksowe omówienie algorytmów i koncepcji systemów rekomendujących. Dostarcza praktycznych i teoretycznych spostrzeżeń. Doskonały materiał referencyjny. Przydatny zarówno dla początkujących, jak i zaawansowanych czytelników.

Brak dogłębnego omówienia zaawansowanych tematów, takich jak głębokie uczenie się w systemach rekomendacji. Brakuje przykładów liczbowych lub kodu implementacji, co czyni go mniej praktycznym dla niektórych czytelników. Wersja na Kindle nie posiada hiperłącza do spisu treści, co może utrudniać nawigację.

(na podstawie 18 opinii czytelników)

Oryginalny tytuł:

Recommender Systems: The Textbook

Zawartość książki:

Niniejsza książka kompleksowo omawia temat systemów rekomendujących, które dostarczają użytkownikom spersonalizowane rekomendacje produktów lub usług na podstawie ich wcześniejszych wyszukiwań lub zakupów. Metody systemów rekomendujących zostały dostosowane do różnych zastosowań, w tym eksploracji dzienników zapytań, sieci społecznościowych, rekomendacji wiadomości i reklamy komputerowej. Niniejsza książka syntetyzuje zarówno podstawowe, jak i zaawansowane tematy obszaru badawczego, który obecnie osiągnął dojrzałość. Rozdziały tej książki są podzielone na trzy kategorie:

Algorytmy i ocena: Rozdziały te omawiają podstawowe algorytmy w systemach rekomendacji, w tym metody filtrowania kolaboracyjnego, metody oparte na treści, metody oparte na wiedzy, metody oparte na zespołach i ewaluację.

Rekomendacje w określonych domenach i kontekstach: kontekst rekomendacji może być postrzegany jako ważna informacja poboczna, która wpływa na cele rekomendacji. Analizowane są różne rodzaje kontekstów, takie jak dane czasowe, dane przestrzenne, dane społecznościowe, dane tagowania i wiarygodność.

Zaawansowane tematy i zastosowania: Omówiono różne aspekty odporności systemów rekomendacji, takie jak systemy shillingowe, modele ataków i ich obrony.

Ponadto, najnowsze tematy, takie jak uczenie się rangowania, wielorękie bandyty, systemy grupowe, systemy wielokryterialne i aktywne systemy uczące się, są wprowadzane wraz z aplikacjami.

Chociaż książka ta służy przede wszystkim jako podręcznik, spodoba się również praktykom przemysłowym i badaczom ze względu na skupienie się na zastosowaniach i referencjach. Liczne przykłady i ćwiczenia zostały dostarczone, a podręcznik rozwiązań jest dostępny dla instruktorów.