**系统是互联网时代**商业价值的人工智能应用之一，30 年来持续受到学术界和工业界的广泛关注。本书作者以一线研发人员的视角和经验，对**系统进行总结，尝试从原理与实践两个角度为读者剖析**系统。本书首先从原理上介绍各类经典**算法及前沿的深度学习**算法，然后分析**系统领域发展的前沿话题和未来方向，*后结合微软的开源项目Microsoft Recommenders 介绍**系统的实践经验。读者可以基于本书提供的源代码，深入学习**算法的设计原理和实践方式，并可以基于本书从零开始快速搭建一个准确、**的**系统。 本书不仅适合互联网、大数据等相关领域技术人员阅读，也适合高等院校计算机、软件工程、人工智能等专业的本科生和研究生参考。

序 前言 第1 章**系统概述1 1.1 **系统发展历史/2 1.1.1 基于内容的**算法/2 1.1.2 基于协同过滤的**算法/3 1.1.3 基于深度学习的**算法/5 1.2 **系统原理/6 1.2.1 机器学习视角下的**系统/6 1.2.2 深度学习**系统新范式/12 1.2.3 **系统常见架构/15 1.3 **系统应用价值/17 1.3.1 **系统的业务价值/17 1.3.2 **、搜索与广告/19 1.3.3 **系统的行业应用/20 1.4 小结/22 第2 章经典**算法/25 2.1 基于内容的**算法/26 2.1.1 基于结构化内容的**/27 2.1.2 基于非结构化内容的**/33 2.1.3 基于内容**的优势与局限/41 2.2 基于协同过滤的**算法/42 2.2.1 基于记忆的协同过滤算法/42 2.2.2 矩阵分解方法与因子分解机方法/50 2.3 小结/58 第3 章深度学习基础/59 3.1 神经网络与前馈计算/60 3.2 反向传播算法/61 3.3 多种深度神经网络/64 3.3.1 卷积神经网络/64 3.3.2 循环神经网络/68 3.3.3 注意力机制/72 3.3.4 序列建模与预训练/75 3.4 小结/78 第4 章基于深度学习的**算法/79 4.1 深度学习与协同过滤/80 4.1.1 基于受限玻尔兹曼机的协同过滤/80 4.1.2 基于自编码器的协同过滤/82 4.1.3 深度学习与矩阵分解/84 4.1.4 基于邻域的深度协同过滤/87 4.2 深度学习与特征交互/88 4.2.1 AFM 模型/88 4.2.2 PNN 模型/89 4.2.3 Wide ＆ Deep 模型/91 4.2.4 DeepFM 模型/93 4.2.5 DCN 模型/94 4.2.6 xDeepFM 模型/96 4.2.7 AutoInt 模型/99 4.2.8 特征交互的其他思路/100 4.3 图表示学习与**系统/100 4.3.1 图嵌入和图神经网络基础/101 4.3.2 图神经网络与协同过滤/106 4.3.3 图神经网络与社会化**/110 4.4 序列与基于会话的**/114 4.4.1 序列**的动机、定义与分类/114 4.4.2 序列**算法的分类/117 4.4.3 基于循环神经网络的序列**/122 4.4.4 基于非自回归神经网络的序列建模/125 4.4.5 基于自注意力机制的序列**/127 4.4.6 基于记忆神经网络的序列**/129 4.4.7 用户、物品双序列建模/133 4.5 结合知识图谱的**系统/134 4.5.1 加强用户--物品交互建模/135 4.5.2 图谱建模与物品**的联合学习/141 4.5.3 知识图谱增强物品的表示/146 4.5.4 可解释性/151 4.6 基于强化学习的**算法/158 4.6.1 基于多臂老虎机的**算法/160 4.6.2 强化学习基础/162 4.6.3 基于强化学习的**算法/ 164 4.6.4 深度强化学习的建模与优化/166 4.7 小结/170 第5 章**系统前沿话题/171 5.1 **算法研究���点/172 5.1.1 基于对话的**/172 5.1.2 因果**/173 5.1.3 常识**/174 5.2 **系统应用挑战/175 5.2.1 多源数据融合/175 5.2.2 可扩展性/176 5.2.3 功能性评估/178 5.2.4 冷启动问题/179 5.3 负责任的**/180 5.3.1 用户隐私/180 5.3.2 可解释性/183 5.3.3 算法偏见/187 5.4 小结/189 第6 章**系统实践/191 6.1 工业级**系统实现与架构/192 6.1.1 工业级**系统的基本特征/192 6.1.2 **系统的常见架构/193 6.1.3 **系统的工业实现/196 6.2 **系统典型应用实践/198 6.2.1 数据管理与预处理/201 6.2.2 算法选择与模型训练/208 6.2.3 评估指标与评估方式/230 6.3 基于云平台的**系统开发与运维/236 6.3.1 基于云平台的**系统的优点/236 6.3.2 基于云平台的**系统开发与运维/237 6.4 总结/241 第7 章总结与展望/243 参考文献247