《业务驱动的推荐系统：方法与实践》内容简介

这是一本从业务视角解读推荐系统架构设计、评估方法、数据工程和算法原理的著作。
市面上推荐系统方面的著作，内容多以推荐技术、算法和模型为主，让读者误以为掌握了推荐算法就能用好推荐系统并提升业务指标，其实推荐算法只是工具，要真正发挥推荐系统的价值，需要将推荐系统植根于业务之上。本书从业务视角出发，描绘了当下主流推荐系统的设计思想和架构全貌，重点突出系统每个模块所需要解决的问题，进而介绍一到两种实践检验普遍有效、在学术界具备里程碑性质的算法。帮助读者练成识别算法的火眼金睛，从每年大量产出的新算法研究中去粗取精，真正解决实际问题。
付聪，博士，毕业于浙江大学计算机学院，美国南加州大学访问学者，前阿里巴巴算法专家。工业级高性能高维数据检索算法NSG、SSG的发明人，致力于推荐系统、搜索引擎前沿技术的研究和应用。曾作为团队负责人，在千万级DAU的电商及视频业务场景下，成功实现了推荐系统、搜索引擎、搜推融合等技术方向的项目落地，积累了丰富的实战经验。
学生时代师从国家优秀青年学者蔡登教授与国家杰出青年学者、前滴滴研究院院长何晓飞教授。在人工智能、推荐系统、数据库、数据挖掘、自然语言处理、神经网络、知识图谱等多个领域有丰富的研究成果。在顶级会议或期刊TPAMI、KDD、VLDB、IJCAI、EMNLP、CIKM等发表过多篇论文，并担任TKDE、IJCAI、EMNLP、AAAI、Neuron Computing等国际会议审稿人。

作品目录

内容简介
前言
第一部分
业务驱动下的推荐系统总览
第1章：从业务视角看推荐系统
1.1、推荐系统的定义与商业价值
1.2、从运营、算法与工程视角看推荐系统
第2章：从业务视角看推荐系统的顶层设计
2.1、业务驱动下的推荐系统设计思想
2.2、从系统框架透视业务生态循环
2.3、迭代效率最大化：图化服务和配置化迭代
第3章：评估推荐系统的方式与维度
3.1、业务驱动型推荐系统的评估要点
3.2、B端业务：B端用户体验的评估维度
3.3、C端业务：C端用户体验的评估维度
3.4、平台成长：平台价值评估维度
3.5、评估方法概览
3.6、AB实验
第二部分
推荐系统的数据工程
第4章：业务标签体系
4.1、业务标签体系概述
4.2、业务标签体系的设计思路
4.3、业务标签的挖掘方法
4.4、业务标签体系的评估方法
第5章：用户画像：业务层面的人格抽象
5.1、用户画像概述
5.2、用户画像设计
5.3、用户画像的构建与迭代
5.4、用户画像的评估方法
第6章：生态循环的血液：数据获取与处理
6.1、埋点日志服务与埋点体系的设计思想
6.2、可扩展的业务埋点体系
6.3、基于埋点数据的处理和分析
第7章：业务定制化特征和样本工程设计
7.1、推荐特征体系概览
7.2、推荐系统特征设计及案例
7.3、特征应用常见问题
7.4、特征去噪
7.5、特征样本构造和模型训练
7.6、时间穿越及处理
7.7、特征与样本消偏
7.8、特征评估方法
第三部分
推荐系统的算法原理与实践
第8章：业务驱动视角下的召回技术
8.1、推荐系统召回技术概览
8.2、召回中的策略框架
8.3、U2I召回算法
8.4、I2I召回算法
8.5、基于图结构的召回算法
8.6、向量召回的另一面：近似检索算法
8.7、召回中的采样技术
第9章：业务驱动视角下的排序技术
9.1、排序模块概览
9.2、粗排模块
9.3、精排模型
9.4、多准则排序
第10章：算法辅助人工：决策智能
10.1、决策智能概述
10.2、决策智能与推荐探索利用机制
10.3、因果推断技术
10.4、流量调控
第四部分
推荐算法工程师的自我成长
第11章：推荐算法工程师的成长路径
11.1、技术：推荐算法工程师的立身之本
11.2、业务：推荐算法工程师的立业之道
11.3、推荐算法工程师的自我修养
作者简介