智能搜索和推荐系统 pdf下载

基本信息

• 商品名称：智能搜索和 系统(原理算法与应用)/智能系统与技术丛书
• 作者：刘宇//赵宏宇//刘书斌//孙明珠|责编:董惠芝
• 定价：79
• 出版社：机械工业
• 书号：9787111670674

其他参考信息（以实物为准）

• 出版时间：2021-01-01
• 印刷时间：2021-01-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：257

内容提要

本书分为4大部分。 部分（ ~3章）：搜索 系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索 系统的常识； ，描述知识图谱相关基础理论。<br>第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。<br>第三部分（第7~9章）： 系统的基本原理。主要内容包括： 系统框架及原理、主要算法以及 系统相关评价指标。<br>第四部分（ 0~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和 系统两个方向的应用。<br>

目录

序一<br/> 序二<br/>前言<br/> 部分　搜索和 系统的基础<br/>第1章　概率统计与应用数学基础知识2<br/>1.1　概率论基础2<br/>1.1.1　概率定义2<br/>1.1.2　随机变量5<br/>1.1.3　基础的概率分布5<br/>1.1.4　期望、方差、标准差、协方差8<br/>1.2　线性代数基础10<br/>1.2.1　矩阵10<br/>1.2.2　向量10<br/>1.2.3　张量11<br/>1.2.4　特征向量和特征值12<br/>1.2.5　奇异值分解12<br/>1.3　机器学习基础13<br/>1.3.1　导数13<br/>1.3.2　梯度14<br/>1.3.3　 似然估计14<br/>1.3.4　随机过程与隐马尔可夫模型15<br/>1.3.5　信息熵16<br/>1.4　本章小结18<br/>第2章　搜索系统和 系统常识19<br/>2.1　搜索系统19<br/>2.1.1　什么是搜索引擎及搜索系统19<br/>2.1.2　搜索引擎的发展史21<br/>2.1.3　搜索引擎的分类22<br/>2.2　 系统23<br/>2.2.1　什么是 系统24<br/>2.2.2　 系统的发展史24<br/>2.2.3　 系统应用场景25<br/>2.2.4　 系统的分类26<br/>2.3　搜索与 的区别29<br/>2.4　本章小结30<br/>第3章　知识图谱相关理论31<br/>3.1　知识图谱概述31<br/>3.1.1　什么是知识图谱31<br/>3.1.2　知识图谱的价值33<br/>3.1.3　知识图谱的架构35<br/>3.1.4　知识图谱的表示与建模36<br/>3.2　信息抽取39<br/>3.2.1　实体识别40<br/>3.2.2　关系抽取46<br/>3.3　知识融合50<br/>3.3.1　实体对齐50<br/>3.3.2　实体消歧51<br/>3.4　知识加工53<br/>3.4.1　知识推理53<br/>3.4.2　质量评估58<br/>3.5　本章小结58<br/>第二部分　搜索系统的基本原理<br/>第4章　搜索系统框架及原理60<br/>4.1　搜索系统的框架60<br/>4.1.1　基本框架60<br/>4.1.2　搜索引擎是如何工作的62<br/>4.2　数据收集及预处理 64<br/>4.2.1　爬虫64<br/>4.2.2　数据清洗66<br/>4.2.3　存储空间及分布式设计 68<br/>4.3　文本分析70<br/>4.3.1　查询处理71<br/>4.3.2　意图理解82<br/>4.3.3　其他文本分析方法85<br/>4.4　基于知识图谱的搜索系统90<br/>4.5　本章小结92<br/>第5章　搜索系统中的主要算法93<br/>5.1　信息检索基本模型93<br/>5.1.1　布尔模型93<br/>5.1.2　向量空间模型94<br/>5.1.3　概率检索模型96<br/>5.1.4　其他模型100<br/>5.2　搜索和机器学习102<br/>5.2.1　排序学习102<br/>5.2.2　排序学习示例107<br/>5.3　搜索和深度学习116<br/>5.3.1　DNN模型116<br/>5.3.2　DSSM模型118<br/>5.3.3　Transformer120<br/>5.4　本章小结126<br/>第6章　搜索系统评价127<br/>6.1　搜索系统评价的意义127<br/>6.2　搜索系统的评价体系127<br/>6.2.1　效率评价128<br/>6.2.2　效果评价130<br/>6.3　本章小结136<br/>第三部分　 系统的基本原理<br/>第7章　 系统框架及原理138<br/>7.1　 系统的框架及运行138<br/>7.1.1　基本框架139<br/>7.1.2　组件及功能140<br/>7.1.3　 引擎是如何工作的141<br/>7.1.4　 系统的经典问题142<br/>7.2　 系统的冷启动145<br/>7.3　 系统的召回策略150<br/>7.3.1　基于行为相似的召回150<br/>7.3.2　基于内容相似的召回153<br/>7.4　 系统排序160<br/>7.4.1　特征选择的方法160<br/>7.4.2　 系统的排序过程164<br/>7.5　基于知识图谱的 系统166<br/>7.6　本章小结168<br/>第8章　 系统的主要算法169<br/>8.1　矩阵分解169<br/>8.1.1　奇异值分解170<br/>8.1.2　交替 小二乘171<br/>8.1.3　贝叶斯个性化排序172<br/>8.2　线性模型174<br/>8.2.1　FM模型175<br/>8.2.2　FFM模型176<br/>8.3　树模型177<br/>8.3.1　决策树模型177<br/>8.3.2　集成算法模型183<br/>8.4　深度学习模型191<br/>8.4.1　Wide & Deep模型191<br/>8.4.2　Deep FM模型197<br/>8.5　本章小结199<br/>第9章　 系统的评价200<br/>9.1　 评估的目的200<br/>9.2　 系统的评价指标200<br/>9.2.1　RMSE和R方204<br/>9.2.2　MAP和MRR204<br/>9.2.3　其他相关指标205<br/>9.3　 系统的评估实验方法206<br/>9.3.1　离线评估206<br/>9.3.2　在线评估209<br/>9.3.3　主观评估213<br/>9.4　本章小结217<br/>第四部分　应用<br/> 0章　搜索引擎工具220<br/>10.1　Lucene简介220<br/>10.1.1　Lucene的由来及现状220<br/>10.1.2　Lucene创建索引过程分析223<br/>10.1.3　Lucene的搜索过程解析224<br/>10.2　Solr简介226<br/>10.2.1　Solr特性228<br/>10.2.2　Solr的核心概念228<br/>10.2.3　Solr的核心功能228<br/>10.3　Elasticsearch简介230<br/>10.3.1　Elasticsearch的核心概念230<br/>10.3.2　Elasticsearch的核心功能231<br/>10.4　搜索引擎工具对比232<br/>10.5　本章小结233<br/> 1章　搜索应用实战：基于电商的搜索开发234<br/>11.1　电商搜索系统的架构设计234<br/>11.2　ES在搜索系统中的应用236<br/>11.3　NLP在搜索系统中的应用237<br/>11.4　商品数据排序算法研究240<br/>11.5　搜索排序的评价及优化241<br/>11.6　深度学习在搜索系统中的应用243<br/>11.7　电商搜索系统中的SEM243<br/>11.8　本章小结246<br/> 2章　 应用实战：基于广告平台的 247<br/>12.1　 系统的架构设计247<br/>12.2　 系统的召回和冷启动249<br/>12.3　ES在 系统中的应用251<br/>12.4　 系统中NLP的应用252<br/>12.5　 系统中粗排和精排253<br/>12.6　 系统的评价和优化254<br/>12.7　深度学习在 系统应用255<br/>12.8　本章小结257