更新时间：2021-01-29 11:56:58
封面
版权页
推荐序一
推荐序二
前言
为什么要写本书
读者对象
本书特色
如何阅读本书
勘误和支持
致谢
第一部分 搜索和推荐系统的基础
第1章 概率统计与应用数学基础知识
1.1 概率论基础
1.1.1 概率定义
1.1.2 随机变量
1.1.3 基础的概率分布
1.1.4 期望、方差、标准差、协方差
1.2 线性代数基础
1.2.1 矩阵
1.2.2 向量
1.2.3 张量
1.2.4 特征向量和特征值
1.2.5 奇异值分解
1.3 机器学习基础
1.3.1 导数
1.3.2 梯度
1.3.3 最大似然估计
1.3.4 随机过程与隐马尔可夫模型
1.3.5 信息熵
1.4 本章小结
第2章 搜索系统和推荐系统常识
2.1 搜索系统
2.1.1 什么是搜索引擎及搜索系统
2.1.2 搜索引擎的发展史
2.1.3 搜索引擎的分类
2.2 推荐系统
2.2.1 什么是推荐系统
2.2.2 推荐系统的发展史
2.2.3 推荐系统应用场景
2.2.4 推荐系统的分类
2.3 搜索与推荐的区别
2.4 本章小结
第3章 知识图谱相关理论
3.1 知识图谱概述
3.1.1 什么是知识图谱
3.1.2 知识图谱的价值
3.1.3 知识图谱的架构
3.1.4 知识图谱的表示与建模
3.2 信息抽取
3.2.1 实体识别
3.2.2 关系抽取
3.3 知识融合
3.3.1 实体对齐
3.3.2 实体消歧
3.4 知识加工
3.4.1 知识推理
3.4.2 质量评估
3.5 本章小结
第二部分 搜索系统的基本原理
第4章 搜索系统框架及原理
4.1 搜索系统的框架
4.1.1 基本框架
4.1.2 搜索引擎是如何工作的
4.2 数据收集及预处理
4.2.1 爬虫
4.2.2 数据清洗
4.2.3 存储空间及分布式设计
4.3 文本分析
4.3.1 查询处理
4.3.2 意图理解
4.3.3 其他文本分析方法
4.4 基于知识图谱的搜索系统
4.5 本章小结
第5章 搜索系统中的主要算法
5.1 信息检索基本模型
5.1.1 布尔模型
5.1.2 向量空间模型
5.1.3 概率检索模型
5.1.4 其他模型
5.2 搜索和机器学习
5.2.1 排序学习
5.2.2 排序学习示例
5.3 搜索和深度学习
5.3.1 DNN模型
5.3.2 DSSM模型
5.3.3 Transformer
5.4 本章小结
第6章 搜索系统评价
6.1 搜索系统评价的意义
6.2 搜索系统的评价体系
6.2.1 效率评价
6.2.2 效果评价
6.3 本章小结
第三部分 推荐系统的基本原理
第7章 推荐系统框架及原理
7.1 推荐系统的框架及运行
7.1.1 基本框架
7.1.2 组件及功能
7.1.3 推荐引擎是如何工作的
