系統

要構建一個實用的“智能”推薦系統，不僅需要有好的算法，還需要了解接收推薦的用户。本書分為兩部分，部分側重於基礎架構，主要介紹推薦系統的工作原理，展示如何創建推薦系統，以及給應用程序增加推薦系統時，應該如何收集和應用數據 ；第二部分側重於算法，介紹推薦系統算法，以及如何使用系統收集的數據來計算向用户推薦什麼內容。作者還教授瞭如何使用流行的推薦算法，並剖析它們在 Amazon 和 Netflix 等網站上的實際應用。

第1部分　推薦系統的準備工作

第1章　什麼是推薦 ..................................................................................3

1.1　現實生活中的推薦 ............................................................................3

1.1.1　推薦系統在互聯網上大顯身手 .......................................................5

1.1.2　長尾 ..............................................................................................5

1.1.3 Netflix 的推薦系統 ...........................................................................6

1.1.4　推薦系統的定義 .............................................................................13

1.2　推薦系統的分類 .................................................................................15

1.2.1　域 .....................................................................................................16

1.2.2　目的 .................................................................................................16

1.2.3　上下文 .............................................................................................17

1.2.4　個性化級別 .....................................................................................17

1.2.5　專家意見 .........................................................................................19

1.2.6　隱私與可信度 .................................................................................19

1.2.7　接口 .................................................................................................20

1.2.8　算法 .................................................................................................23

1.3　機器學習與Netflix Prize .............................................................................24

1.4 MovieGEEKs網站 .......................................................................................25

1.4.1　設計與規範 .....................................................................................27

1.4.2　架構 .................................................................................................27

1.5　構建一個推薦系統 .....................................................................................29

小結 ......................................................................................................................31

第2章　用户行為以及如何收集用户行為數據 ..................................................32

2.1　在瀏覽網站時Netflix如何收集證據 ..........................................................33

2.1.1 Netflix 收集的證據 .........................................................................35

2.2　尋找有用的用户行為 .................................................................................37

2.2.1　捕獲訪客印象 .................................................................................38

2.2.2　可以從瀏覽者身上學到什麼 .........................................................38

2.2.3　購買行為 .........................................................................................43

2.2.4　消費商品 .........................................................................................44

2.2.5　訪客評分 .........................................................................................45

2.2.6　以（舊的）Netflix 方式瞭解你的用户 .........................................48

2.3　識別用户 .....................................................................................................49

2.4　從其他途徑獲取訪客數據 .........................................................................50

2.5　收集器 .........................................................................................................50

2.5.1　構建項目文件 .................................................................................52

2.5.2　數據模型 .........................................................................................52

2.5.3　告密者（snitch）：客户端證據收集器 ..........................................53

2.5.4　將收集器集成到 MovieGEEKs 中 .................................................54

2.6　系統中的用户是誰以及如何對其進行建模 .............................................57

小結 ......................................................................................................................60

第3章　監控系統.........................................................................................61

3.1　為什麼添加儀表盤是個好主意 .................................................................62

3.1.1　回答“我們做得怎麼樣？” ...........................................................62

3.2　執行分析 .....................................................................................................64

3.2.1　網站分析 .........................................................................................64

3.2.2　基本統計數據 .................................................................................64

3.2.3　轉化 .................................................................................................65

3.2.4　分析轉化路徑 .................................................................................69

3.2.5　轉化路徑 .........................................................................................70

3.3　角色 .............................................................................................................73

3.4 MovieGEEKs儀表盤 ...................................................................................76

3.4.1　自動生成日誌數據 .........................................................................76

3.4.2　分析儀表盤的規範和設計 .............................................................77

3.4.3　分析儀表盤示意圖 .........................................................................77

3.4.4　架構 .................................................................................................78

小結 ......................................................................................................................81

第4章　評分及其計算方法............................................................................82

4.1　用户-商品喜好 ...........................................................................................83

4.1.1　什麼是評分 .....................................................................................83

4.1.2　用户 - 商品矩陣 .............................................................................84

4.2　顯式評分和隱式評分 .................................................................................86

4.2.1　如何選擇可靠的推薦來源 .............................................................87

4.3　重温顯式評分 .............................................................................................88

4.4　什麼是隱式評分 .........................................................................................88

4.4.1　與人相關的推薦 .............................................................................90

4.4.2　關於計算評分的思考 .....................................................................90

4.5　計算隱式評分 .............................................................................................93

4.5.1　看看行為數據 .................................................................................94

4.5.2　一個有關機器學習的問題 .............................................................98

4.6　如何計算隱式評分 .....................................................................................99

4.6.1　添加時間因素 ...............................................................................102

4.7　低頻商品更有價值 ...................................................................................105

小結 ...............................................................

Kim Falk 是一位數據科學家，他在構建數據驅動的應用程序方面有着豐富的經驗。他對推薦系統和機器學習很感興趣。他所訓練的推薦系統，為用户推薦合適的電影，為人們推送廣告，甚至幫助律師找到判例法的內容。自 2010 年以來，他一直從事大數據解決方案和機器學習方面的工作。Kim 經常參與有關推薦系統的演講和寫作。當 Kim 不工作的時候，他就是一個居家男人，一位父親，會帶着他的德國短毛指示犬越野跑。

李源，曾在華為技術有限公司從事開發、系統架構、項目管理等多個崗位的工作，後在途牛旅遊網擔任研發中心總經理一職，目前在中國旅遊集團旅行服務事業羣擔任研發總經理，有豐富的研發、架構設計及管理經驗，負責過多個大型項目的規劃和落地，曾翻譯《Java性能調優指南》、《Serverless架構》等書籍。朱罡罡，2012年西安電子科技大學本科畢業，曾擔任知名上市OTA企業系統架構師、研發總監等職位，目前就職於TOP50央企信息技術部，擔任研發經理崗位，擁有發明專利1個。技術研究領域涵蓋互聯網系統技術架構設計、大數據、推薦系統算法等，對在線旅遊系統的基於用户推薦和基於內容推薦有過一定的研究。温睿，互聯網行業從業9年，資深系統架構師，從事過大型高併發Web網站開發、手機APP開發、IM服務開發、微服務系統架構等工作，熟練掌握各種常用前後端開發語言、腳本語言和框架。