机读格式显示(MARC)

• 000 01731nam 2200301 450

• 001 0000482687

• 005 20250102144100.0

• 010 __ |a 978-7-111-75442-8 |d CNY109.00

• 100 __ |a 20240726d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 信息流推荐算法 |A xin xi liu tui jian suan fa |f 赵争超, 黄帆著

• 210 __ |a 北京 |c 机械工业出版社 |d 2024

• 215 __ |a x, 317页, [20] 页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 人工智能技术丛书 |A ren gong zhi neng ji shu cong shu

• 314 __ |a 赵争超, 人工智能行业应用专家, 研究领域包括个性化推荐、用户增长、智能营销、策略建模等。现为某头部互联网公司智能客服策略负责人, 曾任腾讯PCG算法副总监、阿里巴巴高级算法专家。黄帆, 博士毕业于北京邮电大学, 现为腾讯公司专家研究员, 曾就职于华为和阿里巴巴, 长期从事推荐算法研究与应用工作, 熟悉推荐算法与系统。

• 320 __ |a 有书目

• 330 __ |a 本书希望从算法工程师和产品经理的双重视角来阐述推荐算法, 因此前两章系统性地介绍了信息流产品的内容生态、对用户体验和商业价值的重塑。第3-7章详细介绍了推荐算法的召回、粗排、精排、重排各个阶段的算法体系。第9章针对信息流产品中的经典问题, 比如信息茧房、冷启动、消偏等, 具体分析这些问题在信息流产品中的前因后果以及综合性的解决方案。第10章分析了如何从宏观和微观角度评判推荐系统对平台的价值。第11章总结并展望推荐算法的未来, 阐述当前阶段推荐算法与业务价值息息相关的几个重要且亟待解决的命题, 同时就推荐算法工程师在从入门到成长的过程中如何提升自身的各项技能给予了合理的建议。

• 410 _0 |1 2001 |a 人工智能技术丛书

• 606 0_ |a 聚类分析 |A ju lei fen xi |x 分析方法

• 690 __ |a O212.4 |v 5

• 701 _0 |a 赵争超 |A zhao zheng chao |4 著

• 701 _0 |a 黄帆 |A huang fan |4 著

• 801 _0 |a CN |b 湖北三新 |c 20241105

• 905 __ |a LJUZC |d O212.4/28

• 920 __ |a 222016 |z 1