推荐系统（Recommender Systems）

:label:chap_recsys

Shuai Zhang (亚马逊), Aston Zhang (亚马逊), and Yi Tay (谷歌)

推荐系统在工业界有着广泛的应用，它在我们的日常生活中也随处可见。推荐系统应用在了很多领域，例如在线购物网站（例如亚马逊）、音乐电影服务网站（例如网飞和Spotify）、移动应用商店（例如IOS商店和谷歌play）和在线广告等。

推荐系统的主要作用是帮助用户发现相关物品，从而创造愉悦的用户体验。这里的物品包括要观看的电影、阅读的文本或者可购买的商品等。此外，推荐系统还是一种可以帮助零售商增加收入的强大的机器学习系统。作为搜索引擎的替代品，推荐系统可以减少用户主动搜索的工作量，向用户推荐从未搜索过的物品并为其带来惊喜。在推荐系统的有效帮助下，许多公司超越了其竞争对手。正因如此，推荐系统不仅在我们的日常生活中至关重要，在工业界中它也是必不可少的。

在本章中，我们将介绍推荐系统的基础知识及其改进，并基于不同的数据源探讨构建推荐系统的一些常见基本技术及其实现。具体来说，你将学习到如何预测用户对潜在物品的评分，如何生成推荐物品列表以及如何基于大量特征预测点击率。这些任务在现实世界的应用中都很常见。学习完本章的内容后，你将获得解决现实世界中推荐系统问题的第一手经验，这其中不仅包括经典方法，还包括了基于深度学习的模型方法。

:maxdepth: 2

recsys-intro
movielens
mf
autorec
ranking
neumf
seqrec
ctr
fm
deepfm