这本书大约写了10个月的时间,如果一定要自己评价一下这本书,只能说还行。这本书基本达到了写作目标:
1. 帮助刚毕业的学生迅速了解如何将他们学到的理论用于实际
2. 帮助程序员迅速将他们的编程能力应用到推荐系统中来
3. 强调数据分析的重要性,淡化算法
4. 运用多种评测方法,强调全面评测的重要性
不过本书也有一些遗憾,如果将来会再版这本书,可以修正这些遗憾:
1. 推荐系统和搜索引擎不同,他还没有一个统一的应用场景,因此不同网站的推荐系统都有不同的特色。但是因为我主要从事视频推荐方面的研究,对于电商或者LBS,社交推荐方面的推荐还缺乏深刻的认识,只做过一些理论研究,缺乏实际动手分析的经验,所以这方面的内容相对欠缺。
2. 对并行化和大数据说的不多。本书提到的方法都是可以用于大数据,很容易通过Map-Reduce或者MPI并行化。但是本书对这些方法如何并行化说的也不多。这主要是我自认为还不能算这方面的专家,写出来可能会贻笑大方。
3. 缺乏统一的理论框架。这其实不能算本书的缺点,因为整个推荐系统看起来,除了协同过滤,很多其他算法的理论框架都不完善。此外,写这本书时的立意是要让大家看完之后觉得,靠,推荐算法就这么简单啊。所以没有运用理论化堆公式的写法。不过,如果能用简单的语言将理论的问题说清楚,那就更NB了。不过我目前还没有达到这样的功力。
最后,看到很多人说这本书和我的博士论文很像。其实这本书只有半章和我的博士论文相关,其他部分都是博士论文中完全没有的,嘿嘿。
本文摘自图灵社区
http://www.ituring.com.cn/article/details/5842
分享到:
相关推荐
推荐系统实战课程,个性化推荐系统,智能推荐系统,机器学习算法
前言说起本书,还要追溯到2010年3月份的ResysChina推荐系统大会。在那次会议上,我遇到了刘江老师。刘老师看过我之前写的一些推荐系统方面的博客,希望我能
——项亮 今日头条推荐系统架构师,《推荐系统实践》作者 一本极好的推荐科普书,作者通过大量生动的案例讲述了什么是推荐引擎,并分析了当下*主流的推荐算法的应用及其利弊。同时,作为行业资深人士,作者一层层...
推荐系统方面的相关介绍,资深推荐系统专家项亮的ppt,PDF文档
前言说起本书,还要追溯到2010年3月份的ResysChina推荐系统大会。在那次会议上,我遇到了刘江老师。刘老师看过我之前写的一些推荐系统方面的博客,希望我能
总结了《推荐系统实践》中的算法并进行了代码实现,主要有:基于标签的推荐算法,基于关联规则分析的推荐算法,基于时间上下文的推荐算法,基于图的推荐算法,基于用户的协同过滤推荐算法,社会化推荐算法。
经典文章,推荐系统实战的作者项亮的博士论文。必读论文之一。
RecSystemPractice 项亮《推荐系统实践》的部分算法/代码实现
项亮推荐系统shizhan的代码实现
(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能...
本文从构建用户模型到个性化推荐,介绍了达观数据的一些实践...个性化推荐系统能有效解决信息过载和长尾物品两个方面的问题,不仅提供了极佳的用户体检,满足了用户的信息需求,也帮助了企业挖掘其中蕴含的无限商机。
10.l 推荐系统的基本概念 ……......…· 305 10.2 推荐的核心要素…………········ 306 10.2.1 系统角色 .. . .. . ...…………·· 306 10.2.2 相似度 …. . ... . .......... . .…·· 307 10.2.3 ...
grab, 基于spark、mahout和spring boot构建的推荐系统
项亮博士毕业论文 关于推荐系统的 对于学习推荐是非常有好处的 详细的介绍了各种推荐系统的算法(Top-N)
《推荐系统实践》2012版(作者:项亮)的学习笔记
文章介绍了当前商业领域的一些常用推荐系统,又介绍了推荐系统的基本概念、分类以及基本实现思想等。
构建一个基于del.icio.us 的链接推荐系统 19 基于物品的过滤 22 使用MovieLens 数据集 25 基于用户进行过滤还是基于物品进行过滤 27 第3章 发现群组 29 监督学习和无监督学习 29 单词向量 30 分级聚类 33 ...
计算广告与网页搜索、推荐系统,都是互联网时代具有挑战性的大规模计算问题。由于数据规模 的要求,这些系统都较广泛地采用检索(Retrieval)加排序(Ranking)这样类搜索的系统架构,因而 有非常多的相似之处。
■ 社交网络分析(推荐系统、三角形计数和情感分析)。 适读人群 :这本书面向了解Java基础知识并且想使用Hadoop和Spark 开发MapReduce 算法(数据挖掘、机器学习、生物信息技术、基因组和统计领域)和解决方案的...