入門推薦系統，你不應該錯過的知識清單

先薦發表於2019-01-15

【編者按】本賬號為第四正規化智慧推薦產品先薦的官方賬號。本賬號立足於計算機領域，特別是人工智慧相關的前沿研究，旨在把更多與人工智慧相關的知識分享給公眾，從專業的角度促進公眾對人工智慧的理解；同時也希望為人工智慧相關人員提供一個討論、交流、學習的開放平臺，從而早日讓每個人都享受到人工智慧創造的價值。
推薦系統目前已是學術界相當火熱的研究方向。很多同學、研究者想要入門推薦系統，但苦於該領域相關資料太多太雜，無從下手。本文收集、整理了和推薦系統相關的書籍、公開課、會議、技術部落格、專案程式碼、最後簡要舉例推薦系統在不同領域的應用。

提綱：

入門書籍
入門教程
公開資料集
專案程式碼
技術博文
學術會議
應用領域

推薦系統入門書籍：

1.《推薦系統實踐》作者：項亮

《推薦系統實踐》

入門首選。這本書是國內第一本講推薦系統的書，能讓你快速知道如何把學到的理論知識應用到實踐，如何將程式設計能力應用到推薦系統中去。雖然書中列舉的程式碼存在一些爭議，但瑕不掩瑜。強烈推薦！

2.《集體智慧程式設計》（Programming Collective Intelligence）

《集體智慧程式設計》

這本書非常適合數學知識相對來說較少但又想深入該領域的讀者，或有實際專案需求但沒有足夠時間去深入瞭解的實踐者。該書的作者非常直觀地展示了人工智慧和機器學習中的大量經典的演算法，更重要的是，作者在展示演算法時使用的例子都是網際網路中非常有代表性的場景，很多情況下還會結合一些實際運營的Web站點的資料作進一步闡釋，深入淺出。與機器學習相關課程結合學習，將會事半功倍。

3. 《推薦系統 : 技術、評估及高效演算法》（Recommender Systems Handbook）

作者：Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor

Recommender Systems Handbook

這本書被很多人稱為“枕邊書”。全書共有六百多頁，目前已修訂至第二版，中文譯本也已經發行。對於想把推薦作為研究方向一直做下去的人來說，這本書必看！這本書以專題的形式，涉及到了推薦系統相關的方方面面。每個專題都會列出專題中涉及到的論文及將來的發展趨勢，具有很好的指導作用，既可作為入門理論導讀，又可作為特定問題的資料索引。

4. 《推薦系統》（Recommender Systems: An Introduction）

作者：Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich

Recommender Systems: An Introduction(中文版)

這本書內容覆蓋較全面，理論相對簡單，不會有太多難懂的公式。這本書最大的優點是對推薦系統做了一個很好的整理和概括，幾乎概括了推薦系統所涉及的每一個模組，為讀者上了一堂很好的推薦引擎架構課。看過這本書後，基本上能對推薦系統有一個清晰地理解和相對完整的把控。

關於本書，圖靈社群曾做過一次訪談：
《Dietmar Jannach和Gerhard Friedrich教授談推薦系統的最新研究方向》（2013年）

5. Music Recommendation and Discovery

作者: Òscar Celma

Music Recommendation and Discovery

這本書以音樂推薦為內容，對音樂推薦的需求和問題、常用做法和效果評價做了一個大體的介紹，關於效果評測部分的內容值得細讀。

6. Word Sense Disambiguation: Algorithms and Applications

《詞義消歧：演算法與應用》

這本書全面探究了詞義消歧這一問題，並對重要的演算法、方式、指標、結果、哲學問題和應用也有涉獵，並有這個領域的權威學者對本領域的歷史及發展所做的較為全面的綜述。如果涉及到關鍵詞推薦或文字推薦，可以查閱這本書。

入門推薦系統，你不應該錯過的知識清單

推薦系統入門書籍：

推薦系統入門教程：

推薦系統公開資料集：

推薦系統專案程式碼：

推薦系統相關技術博文：

推薦系統相關學術會議：

推薦系統在不同領域的應用例項：

相關文章