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。