深度学习推荐系统2.0pdf电子书下载

编辑推荐

大模型时代，推荐系统破局之道：算法、工程与大模型的协同创新

口碑畅销书《深度学习推荐系统》升级版，增补内容超过50%

讲透工业界核心增长引擎

兼顾经典与前沿

工业级推荐范式GR、ClickPrompt、PALR等

内容简介

深度学习和大模型技术在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、大模型、AIGC、模型工程实现、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。

本书既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本科生、研究生、博士生阅读，帮助建立深度学习推荐系统的技术框架，通过学习前沿案例，加强深度学习理论与推荐系统工程实践的融合能力。

作者简介

王喆 ，毕业于清华大学计算机科学与技术系，现任硅谷某科技大厂技术总监，曾任TikTok高级技术经理、美国流媒体公司Roku资深机器学习工程师。清华大学KEG实验室学术搜索引擎AMiner早期发起人之一。主要研究方向为推荐系统、计算广告、个性化搜索，发表相关领域学术论文7篇，拥有专利3项，是《百面机器学习》等技术书的联合作者。曾担任KDD、CIKM等国际会议审稿人。

目　　录

第1章 推荐系统——互联网的增长引擎 1
1.1 为什么推荐系统是互联网的增长引擎 1
1.2 推荐系统的架构 3
1.3 算法、工程与大模型的协同创新 6
1.4 本书的整体结构 8
参考文献 9

第2章 推荐之心——深度学习推荐模型的进化之路 10
2.1 深度学习推荐模型的演化关系 10
2.2 协同过滤——经典的推荐算法 12
2.3 从LR到FFM——融合多种特征的推荐模型 18
2.4 Deep Crossing模型——深度学习推荐模型的开端 25
2.5 NeuralCF模型——双塔模型的经典应用 28
2.6 Wide Deep模型——记忆能力和泛化能力的综合 33

显示全部信息

前　　言

本书特色
本书旨在讨论推荐系统相关的“经典的”或者“前沿的”技术内容。其中着重讨论深度学习在推荐系统业界的应用及大模型等推荐系统的最新技术趋势。需要明确的是，本书不是一本机器学习或者深度学习的入门书。虽然书中会穿插对机器学习基础知识的介绍，但绝大多数内容建立在读者有一定的机器学习背景基础之上；本书也不是一本纯理论技术书，而是一本从工程师的实际经验角度出发，介绍深度学习在推荐系统领域的应用方法，以及相关的业界前沿知识的技术书。