百度技術委員會主席廖若雪推薦《推薦系統》
我寫這篇推薦序時正值週末,對於一個美好的週末而言,沒有什麼比愉悅的音樂和閱讀更重要。開啟百度音樂隨心聽的私人頻道,房間裡迴盪起陌生而又對味的旋律;開啟百度首頁,猜你喜歡頻道已經為我準備好新鮮又正中下懷的新聞資訊;瀏覽完新聞,開啟亞馬遜網站,躍入眼簾的是為我推薦的Kindle電子書,不少都是我想看的……
還記得20年前的我們,小心翼翼的為每一本書包上封皮,支起收音機搜尋每一個波段,在只有三個臺的電視前歡天喜地地度過一整個假期。20年後的我們,網際網路上成千上萬部電影即點即看,卻不知道要看哪一部;幾百萬首歌可以實時播放,卻找不到想聽的。資訊科技帶來資訊極度豐富的同時,也帶來了使用者的選擇困難症。而最好的選擇,就是不需要選擇。這就是推薦系統,一個經過十多年技術發展,而今逐漸付出水面的前沿技術,所要解決的問題。
自上世紀90年代誕生以來,推薦系統一直在網際網路的眾多領域發揮著核心作用,例如亞馬遜的電子商務系統、Hulu的視訊推薦系統、Pandora的音樂推薦系統等。近年來移動網際網路的高速發展,使用者的移動個人終端裝置越來越豐富。移動裝置往往體積較小,移動端頁面承載的資訊量是有限的,這也就意味著展現的資訊需要更精準地符合每個使用者的個體需求。而媒體的碎片化、文化的多樣性,也帶來人們對資訊的需求越來越個性化。這些因素推動著個性化及推薦系統應用的普及化和深入化。我也相信在不遠的未來,推薦系統會像搜尋引擎一樣,成為網際網路產品必不可少的基礎性應用。
正因為推薦系統的重要性,百度在2011年成立了獨立的部門,專注於個性化和推薦系統的技術研發。我們正在把諸多該領域的最新技術,融入百度豐富的產品線中,加快各類產品的快速進化。經過兩年的努力,百度推薦系統已嶄露頭角。除了上文提到的百度音樂隨心聽、百度首頁個性化推薦,百度視訊、地圖、新聞、知道等產品線都植入了推薦系統,並體現出很高的價值。
在負責百度推薦與個性化部門的過程中,我也發現,和推薦系統應用的快速發展相比,推薦技術人才近年來卻處於非常匱乏的狀態。一方面,機器學習、資料探勘等推薦系統的相關基礎技術,也正處於人才的培養期;另一方面,推薦技術相關書籍的相對空白,使得這一領域無法進入更多人的視野,同時對這一領域感興趣的人也沒有系統性的材料可供參考學習。
在此書翻譯為中文之前,我有幸閱讀過此書的原版。該書以淺顯易懂的方式,系統介紹了推薦系統的相關技術,並提供了一個非常好的理論結合實踐的學習方式。通過對本書的學習,讀者不僅可以全面系統地瞭解該領域的基礎原理,還能試驗如何搭建一套真正的推薦系統。
譯者蔣凡是我的同事,他在搜尋技術領域有著多年相關工作經驗,同時推薦技術也是他的興趣所在,投入了大量時間進行鑽研和實踐。相信他帶來的該書中文譯本,可以在很大程度上彌補目前中文推薦系統學習材料的不足,為更多希望進入推薦領域的讀者提供幫助。
譯者簡介
蔣凡,畢業於中國科學技術大學計算機系,碩士研究方向為Web文字挖掘,2005年在微軟亞洲研究院自然語言技術組參加機器翻譯專案,2006年至今任職於百度公司,從事網頁搜尋引擎的研發。目前的興趣主要包括:推薦系統、實體搜尋和產品開發過程。
相關文章
- 推薦系統技術概覽
- 編輯推薦之《推薦系統》
- 推薦系統
- 【推薦系統篇】--推薦系統之訓練模型模型
- IT技術網站推薦網站
- 推薦系統論文之序列推薦:KERL
- 推薦系統: 相關推薦方法對比
- 【推薦系統篇】--推薦系統之測試資料
- 《推薦系統學習》之推薦系統那點事
- 推薦系統 embedding 技術實踐總結
- 推薦系統概述
- 機器學習 — 推薦系統機器學習
- 如何提升推薦系統的可解釋性?京東智慧推薦賣點技術全解析
- 如何提升推薦系統的可解釋性?京東智慧推薦賣點技術全解析!
- 《推薦系統實踐》筆記 01 推薦系統簡介筆記
- Mahout的taste推薦系統引擎(影片推薦案例)AST
- 推薦系統一——深入理解YouTube推薦系統演算法演算法
- 【推薦系統篇】--推薦系統介紹和基本架構流程架構
- 《推薦系統》-DIN模型模型
- 《推薦系統》-PNN模型模型
- python 推薦系統Python
- 推薦系統雜談
- 推薦系統評估
- 推薦:看板系統Trello
- 圖靈推薦系統圖靈
- 推薦系統相關術語知多少
- 雲音樂推薦系統(二):推薦系統的核心演算法演算法
- 推薦兩個實用技術
- 技術管理—管理書籍推薦
- 推薦系統技術之文字相似性計算(二)
- 推薦系統技術之文字相似性計算(三)
- 推薦系統技術之文字相似性計算(一)
- 推薦系統必讀的10篇精選技術文章
- 推薦系統應該如何保障推薦的多樣性?
- 如何構建推薦系統
- Spark推薦系統實踐Spark
- 推薦系統 task 1 @datawhale
- 浪潮之巔作者吳軍推薦序——《推薦系統實踐》