本书可分成五部分，共25章。第1章是概述，系统介绍推荐系统的概念、功能、应用领域以及当前应用过程中遇到的问题与挑战。第1部分（第2～7章）介绍当前构建推荐系统最普遍使用的技术，如协同过滤、基于内容的数据挖掘的方法、上下文相关的方法等。第二部分（第8～12章）概述已用于评价推荐质量的技术和方法，涉及推荐系统设计与实践方面；描述设计和实施推荐系统的注意事项；为选择更合适的算法提供准则，另外评估用于开发推荐系统的方法、挑战和评测指标。第三部分（第13～17章）讨论推荐系统如何呈现、浏览、解释和可视化等若干问题，这一部分讨论的技术使推荐过程更加结构化以及具有可交互性。第四部分（第18～21章）讨论利用各类用户生成内容（UGC,如标签、搜索查询、信任评价等）产生类型新颖且更可信的推荐结果。第五部分（第22～25章）讨论推荐系统的高级课题，如探索用主动学习的原则来指导获取新知识；防止推荐系统受恶意用户攻击的合适技术；如何整合多种类型的用户反馈以及用户偏好信息来构造更可靠的推荐系统。

网友对推荐系统:技术、评估及高效算法的评论

这本书出版于 2012 年，国内3年就译过来了，非常神速，赞一个！

书的内容其实是推荐系统研究中各个领域的调研文章（Survey），内容比较专业但是不难。不少文章写得还不错，对于进行推荐系统研究的人查阅对应的领域有助于了解领域基本情况。但是书本身在网上有英文版，最好还是读原版。

对于从事推荐系统开发的人来说，本书也值得一翻，有助于了解各个方向的推荐系统进展。但是很多内容对于开发者来说比较学术性，没有必要通读。

放在家里很久，最近正好有这方面需求，就拿出来翻看了一下，觉得大失所望。原因是，书中非常系统的罗列了大多数知名的推荐算法，给出了相关公式，但对于公式解释甚少，关于其原理，因果关系基本就很少提及。因而看完观后感是，如果你明白这种算法例如TF-IDF 或 SVD分解，那书上写的你大致明白。倘若你对这些概念不熟，也很难看明白这些公式。所以并不推荐这本厚书。

因从事相关研究才入手，对比了其他几本，里面唯一有涉及教育相关的推荐系统研究，但是比较皮毛，当然也列举了一些案例，但有些落后于现在的paper，不过用作文献综述一点也不过分。全书学术写作风格也比较严谨，翻译有几章很接地气，某译者接地气，同样也能给予技术人员很多的指导，涵盖了当今几乎所有的推荐系统技术，入门和深入都可以，至于评论有说不能入门是不可理喻的，至于照书本从头做下来是不可能的，因为不是本科生的教材。

现在正在看，书的内容比较全面，可能之前是因为我看过一些论文了，有些内容见过了。内容稍微滞后，英文版的是10年出版的，国内今年才翻译完成。不过做为没有接触过推荐算法的人来说，还是值得一读的。但是中文版的纸张真的是有点薄。目前评论这些。不算厚。

喜欢推荐系统:技术、评估及高效算法请与您的朋友分享,由于版权原因，读书人网不提供图书下载服务