自己動手做推薦引擎

作者簡介
技術評審員簡介
前言

第1章 推薦引擎介紹
1．1 推薦引擎定義
1．2 推薦系統的必要性
1．3 大資料對推薦系統的推動作用
1．4 推薦系統類型
1．4．1 協同過濾推薦系統
1．4．2 基於內容的推薦系統
1．4．3 混合推薦系統
1．4．4 情境感知推薦系統
1．5 推薦系統技術的發展
1．5．1 Mahout在可擴展推薦系統中的應用
1．5．2 Apache Spark在可擴展即時推薦系統中的應用
1．6 本章小結

第2章 構建第一個推薦引擎
2．1 構建基礎推薦引擎
2．1．1 載入並格式化資料
2．1．2 計算用戶相似度
2．1．3 為用戶預測未知評級
2．2 本章小結

第3章 推薦引擎詳解
3．1 推薦引擎的發展
3．2 基於近鄰演算法的推薦引擎
3．2．1 基於用戶的協同過濾
3．2．2 基於項目的協同過濾
3．2．3 優點
3．2．4 缺點
3．3 基於內容的推薦系統
3．3．1 用戶畫像生成
3．3．2 優點
3．3．3 缺點
3．4 情境感知推薦系統
3．4．1 情境定義
3．4．2 前置過濾法
3．4．3 後置過濾法
3．4．4 優點
3．4．5 缺點
3．5 混合推薦系統
3．5．1 加權法
3．5．2 混合法
3．5．3 層疊法
3．5．4 特徵組合法
3．5．5 優點
3．6 基於模型的推薦系統
……
第4章 資料採擷技術在推薦引擎中的應用
第5章 構建協同過濾推薦引擎
第6章 構建個性化推薦引擎
第7章 使用Spark構建即時推薦引擎
第8章 通過Neo4j構建即時推薦
第9章 使用Mahout構建可擴展的推薦引擎
第10章 推薦引擎的未來

本書是一本推薦引擎技術的綜合入門指南，介紹使用R、Python、Spark、Mahout、Neo4j技術實現諸如協同過濾、基於內容的推薦引擎和情 境感知推薦引擎的內容。
 
本書也介紹了廣泛用於行業內的各種推薦引擎及其實現。當然，也涵蓋了一些推薦引擎中常用的流行資料採擷技術，並在本書最後簡要討論 了推薦引擎的未來方向。

讀者對象
本書適合想要使用R、Python、Spark、Neo4j和Hadoop構建複雜預測決策系統及推薦引擎的初學者與有經驗的資料科學家閱讀。
格式約定
新術語和重要詞彙用黑體顯示。
表示警告或重點提示。
表示技巧。
下載示例代碼及彩色圖像
本書的示例代碼及所有截圖和樣圖，可以從http://www.packtpub.com通過個人帳號下載，也可以訪問華章圖書官網http://www.hzbook.com，通過註冊並登錄個人帳號下載。