这本书主要分为4部分介绍,分别是搜索和推荐的基础,搜索系统基本原理,推荐系统的基本原理,工程应用。
第一部分:搜索和推荐的基础
主要讲了一下概率统计与应用数学的基础知识,比如概率论基础(概率定义,期望,方差,标准差),线性代数基础(矩阵,向量,张量),机器学习基础(导数,梯度,信息熵),还介绍了一下知识图谱
第二部分:搜索系统的基本原理
1.搜索系统的基本框架
数据收集靠爬虫,文本检索靠Elasticsearch
2.搜索的主要算法
排序模型:布尔模型/向量空间模型/概率检索模型/dnn模型/dssm模型/transformer模型
3.搜索系统的评价标准
效能评估:响应时间和开销/索引量
效果评估:准确率P和召回率 R
第三部分:推荐系统的基本原理
1.推荐系统的框架
推荐系统的冷启动
推荐系统的召回策略(行为相似和内容相似)
推荐系统的排序
2.推荐系统的主要算法
线性模型:FM模型和FFM模型
树模型:决策树和集成算法模型
深度学习模型:wide&deep/Deep FM模型
3.推荐系统的评价
指标:
RMSE和R方
MAP和MRR
方法:
离线评估/在线评估/主观评估
第四部分:应用
主要介绍2个系统架构设计/ES/NLP/排序算法/评价及优化/深度学习的应用
1.基于电商的搜索开发
2.基于广告的平台推荐
总结:本书写得还是非常不错的,系统知识介绍的很全面,由于覆盖的知识点比较多,所以作者并没有展开来讲,需要自己对每个知识点做各个击破。非常值得推荐给大家入门和对全局技术的了解。