推荐系统 技术、评估及高效算法

本书可分成五部分，共25章。第1章是概述，系统介绍推荐系统的概念、功能、应用领域以及当前应用过程中遇到的问题与挑战。第一部分（第2～7章）介绍当前构建推荐系统最普遍使用的技术，如协同过滤、基于内容的数据挖掘的方法、上下文相关的方法等。第二部分（第8～12章）概述已用于评价推荐质量的技术和方法，涉及推荐系统设计与实践方面；描述设计和实施推荐系统的注意事项；为选择更合适的算法提供准则，另外评估用于开发推荐系统的方法、挑战和评测指标。第三部分（第13～17章）讨论推荐系统如何呈现、浏览、解释和可视化等若干问题，这一部分讨论的技术使推荐过程更加结构化以及具有可交互性。第四部分（第18～21章）讨论利用各类用户生成内容（UGC,如标签、搜索查询、信任评价等）产生类型新颖且更可信的推荐结果。第五部分（第22～25章）讨论推荐系统的高级课题，如探索用主动学习的原则来指导获取新知识；防止推荐系统受恶意用户攻击的合适技术；如何整合多种类型的用户反馈以及用户偏好信息来构造更可靠的推荐系统。