本书将教你如何使用Python使用机器学习算法构建推荐系统。如今，推荐系统已经成为每个基于互联网的业务的重要组成部分。
你将从学习推荐系统的基本概念开始，并概述不同类型的推荐引擎及其运作方式。接下来，你将看到如何使用传统算法构建推荐系统，例如使用购物篮分析和基于内容和知识的NLP推荐系统。然后，作者展示了一些技术，例如使用矩阵分解的协同过滤技术，以及结合了基于内容和协同过滤技术的混合推荐系统。接下来是一个使用k均值和随机森林等聚类和分类算法构建基于机器学习的推荐系统的教程。最后几章介绍了NLP、深度学习和基于图的推荐引擎技术。每一章都包括数据准备、评估和优化推荐系统的多种方法、支持示例和说明。
读完本书后，你将理解并能够使用机器学习、深度学习和基于图的算法的各种工具和技术构建推荐系统。
你将学到什么使用Python理解和实现不同的推荐系统技术采用流行的方法，如基于内容和知识的、协同过滤、市场篮子分析和矩阵分解构建结合基于内容和协同过滤的混合推荐系统利用机器学习、NLP和深度学习构建推荐系统
这本书是给谁看的数据科学家、机器学习工程师和Python程序员对构建和实现推荐系统来解决问题感兴趣。
成为VIP会员查看完整内容
Applied Recommender Systems with Python: Build Recommender Systems with Deep Learning, NLP and Graph-Based Techniques
相关内容
推荐系统，是指根据用户的习惯、偏好或兴趣，从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同，这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
Arxiv
0+阅读 · 2023年2月9日
Arxiv
23+阅读 · 2021年9月29日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2023年2月9日
Arxiv
23+阅读 · 2021年9月29日
微信扫码咨询专知VIP会员