前言PREFACE

在当前大数据时代下，推荐系统有着举足轻重的地位。尤其是在互联网经济非常发达的国内，推荐系统可谓无处不在。如今推荐系统的做法变化多端，究其原因主要是近年来机器学习算法领域的发展空前火热。推荐系统的工程学问很多，但大方向相对较清晰，无非是收集大数据，然后统计分析，在做出模型之后根据模型预测用户的偏好并做出推荐，所以如今的重点是研究推荐模型的做法，也是推荐算法的研究。当然将算法用作推荐早已不是新鲜事，但是问题在于推荐算法派系众多，例如有基于CTR预估发展的推荐算法、序列推荐算法、知识图谱推荐算法等。大的派系中还会分小派系，例如知识图谱推荐算法会分基于知识图谱嵌入的推荐算法、基于知识图谱路径的推荐算法等。

写作本书的初衷很简单，市面上讲解推荐算法的书不算少，找到接地气、值得按部就班系统地学习的书却很少，笔者想用由浅入深的正确打开方式，使大家无痛学习推荐算法，所以本书的重点之一是要梳理这些众多派系的推荐算法，找出一条清晰的脉络让大家能够顺利入门。正如前文所说，机器学习乃至深度学习算法日新月异，也就代表了推荐算法本身的发展也一定是永不停歇地向前发展的，所以了解众多派系的算法并不是最终目的，而是要通过了解现有成熟的算法从而领略出属于自己的算法体系，这样方能跟上甚至引领这个时代。简而言之，本书的真正重点是通过梳理脉络由浅入深地带领大家走进推荐算法领域并建立自己的推荐算法推理思路。

本书主要内容

第1章介绍推荐系统的发展历史，对其做初步的了解。

第2章介绍较基础的推荐算法。

第3章介绍基于第2章的基础推荐算法结合深度学习的发展推导出的进阶推荐算法。

第4章介绍图神经网络及结合图神经网络进一步推导出的推荐算法。

第5章介绍知识图谱及结合知识图谱进一步推导出的推荐算法。

第6章介绍整个推荐系统的详细结构及基本做法。

第7章介绍评估推荐算法及推荐系统的指标及方式。

第8章介绍整个推荐工程大体的生命周期。

阅读建议

本书内容丰富，尤其是第2～5章，这4章由浅入深地介绍各个派系的推荐算法及推导过程，属于本书的核心。其中每个算法都介绍得非常详细，并且都会有实战示例代码帮助大家理解并提高动手能力。第2章和第3章建议读者按照顺序详细阅读，第2章是打地基，而第3章是基于第2章的推导，这两章读完后基本就能入门推荐算法且能够有推导算法的能力了。第4章的图神经网络是目前的热门学科，本书会由推荐的角度带领大家了解图神经网络且应用于推荐算法中。第5章的知识图谱算是专业度更高、实用性更强的推荐算法派系，已经掌握前4章知识的读者要学习第5章的知识应该是轻而易举的。

第6～8章是整个推荐系统、商业及推荐工程的介绍。这3章笔者建议大家可以在读完第3章后随时提前抽取阅读。尤其是第7章，它系统地介绍了推荐系统的评估指标。大家可以在示例代码的基础上添加自己的改良代码，并同时利用第7章的评估指标实际评估。

致谢

最初在网上作为兴趣上传讲解算法的视频，受到了不少网友的关注，由此有了写作本书的契机。感恩在此过程中遇到的每一位支持者，尤其感谢我的妻子给予我的支持与帮助。

由于时间仓促，书中难免存在不妥之处，请读者见谅，并提出宝贵意见。

於方仁

2022年8月