Ocena:
Książka na temat systemów rekomendacji jest wysoko ceniona za przejrzysty tekst, kompleksowe omówienie i praktyczne spostrzeżenia, dzięki czemu jest cenna zarówno dla początkujących, jak i tych, którzy chcą pogłębić swoją wiedzę. Mimo że jest to autorytatywne źródło wiedzy, zauważono, że brakuje w niej zaawansowanych tematów, takich jak techniki głębokiego uczenia się i praktyczne przykłady.
Zalety:⬤ Przejrzysty i dobrze zorganizowany tekst.
⬤ Kompleksowe omówienie podstawowych algorytmów i matematyki stojącej za systemami rekomendacji.
⬤ Dobra równowaga między teorią a praktycznymi poradami.
⬤ Przydatna zarówno dla początkujących, jak i zaawansowanych czytelników.
⬤ Daje pewność w budowaniu niestandardowych silników rekomendacji.
⬤ Wielu użytkowników uważa ją za pomocną i gorąco poleca.
⬤ Nie obejmuje zaawansowanych tematów, takich jak głębokie uczenie i wielorękie bandyty.
⬤ Niektórzy użytkownicy chcieliby więcej przykładów liczbowych i przykładowego kodu.
⬤ Spis treści wersji Kindle nie jest opatrzony hiperłączami, co sprawia, że nawigacja jest uciążliwa.
⬤ Niektóre sekcje zawierają powtarzające się treści i drobne nieścisłości.
(na podstawie 18 opinii czytelników)
Recommender Systems: The Textbook
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.
