開放出版：項亮 陳義 王益《推薦系統實踐》

最近很多讀者關注《推薦系統實踐》一書，詢問本書目前的寫作進展和出版時間。自今日起，本書正式進入開放出版流程，作者會全程在本社群中互動，與大家分享寫做過程中的點滴。

技術背景

推薦系統從1994年開始，經過Amazon，Netflix等著名公司的努力，已經充分證明了它的作用。最近，越來越多的國內公司開始關注推薦系統，在技術人員中有較高的關注度。

經過20多年的發展，推薦系統的理論已經較為成熟，知識體系比較系統。國外也出版了很多推薦系統方面的書。但是目前國內沒有推薦系統方面比較好的書。目前國內作者寫的推薦系統方面的圖書很少，僅有的幾本質量也不高。國外出版，國內翻譯的書，以《集體智慧程式設計》為代表，獲得了很多推薦系統和資料探勘領域的專業人士的喜愛。

本書從資料出發，一步步地介紹在得到什麼資料的時候可以設計怎樣的推薦系統。面向廣大的推薦系統開發人員，以實戰為基礎，深入淺出地介紹每種推薦方法背後的理論基礎，著重討論每種演算法的實現、在實際系統中的效果、方法的優點、缺陷以及解決方法。

本書的幾位作者是目前國內推薦系統方面的技術牛人。這本書同時獲得了ResysChina的強力推薦！

作者背景

項亮 本科畢業於中國科技大學自動化系，博士畢業於中科院自動化所（模式識別國家重點實驗室），專業研究方向是機器學習和資料探勘。2009年，美國Netflix公司發起、組織了一場為改善其電影推薦系統演算法，並懸賞一百萬美元的專業比賽，參賽者是由來自186個國家的電腦科學家、專家、學者等組成的數萬支隊伍。在這場競賽中項亮所在的團隊（The Ensemble）在公開測試排名中名列第一，最終獲得了第二名。項亮也是從參加Netflix Prize開始參與推薦系統的研究。 目前就職於Hulu。

陳義 現就職於豆瓣，從事推薦系統演算法的研究。之前在理光，主要是從事模式識別和機器學習的研究。

王益 騰訊公司研究員，也是騰訊公司情境廣告中心總監。之前在Google任研究員，從事大規模並行機器學習研究，包括基於MapReduce和Rephil的並行latent topic model和聚類方法研究，並且和中國、瑞士、印度、美國的同事一起，從事機器學習技術向產品的轉化工作。目前的工作包括code review系統、編譯系統和平行計算基礎架構。

本書特色

1.作者都有相關領域的研究經驗和實戰經驗，既知道相關研究的最新進展，也知道實際系統中各種方法的效果。

2.本書以實戰為基礎，理論和實踐並重，適合不同層次的讀者。

推薦閱讀

-項亮的文章“關於《推薦系統實戰》”