推荐序一

人工智能技术能够被用来完成多种任务，主要分为面向客观事物的任务和面向主观的人的任务。前者的典型例子是计算机视觉中的识别、检测，以及自然语言处理中的理解、翻译；后者的典型例子则是推荐、搜索、广告。

推荐技术是人工智能应用领域最贴近大众的技术之一，早已被广泛地集成在各种各样的软件中。移动互联网时代，随着人们获取信息越来越方便，推荐技术越来越重要。图形图像技术的普遍应用、视频编解码技术的成熟，以及分布式计算的突飞猛进，更是让推荐系统得以蓬勃发展的助推剂。正如书中所述，推荐系统满足了天时、地利、人和的条件，通过提供精准服务，给人们的工作和生活带来了极大便利。

回顾推荐领域的发展，可以说这是一门“既悠久，又前沿”的学科。“悠久”，是因为推荐需求的存在时间已经非常长了，在上世纪90年代就已存在；而“前沿”，则是因为过去十年，人工智能领域经历了巨大的变革。深度学习首先在计算机视觉领域取得举世瞩目的成绩，进而影响到推荐领域。因此，当下的推荐系统与技术和20年前、10年前，甚至5年前相比，有相当大的区别。推荐领域的研究不再仅仅局限于模型或单一算法的迭代，而是越来越细化，或许对系统进行一点点的纠偏就能带来很大收益。同时，推荐领域涌现了非常多的热门研究方向，也引发了人们对各种难点问题的诸多思考。

《现代推荐算法》这本书，对现代推荐领域的技术和应用进行了重新梳理。本书从应用需求和实际问题出发，翔实地介绍了推荐系统环节、具体算法模型、前沿技术与方向。此外，本书还包含解决冷启动等难点问题的技巧，多种技术选型的讨论，以及产品运营决策的建议。

作者扎实的通信与信息工程专业知识和丰富的推荐系统研发经验使得本书兼具科学性、实用性和趣味性，无论对于从事推荐系统研究的在校学生，还是工程开发技术人员，本书都可提供专业指导。

在科研中，本书作者赵致辰是一个“另类”。虽然他也会积极学习已有的各种方法，但更多时候，他在面对问题时有自己的理解，也会坚持自己的想法。这种特点帮助他做过一些很有意思的工作。比如，他在本书中讲解技术方案时，加了很多个人见解和观点。正如他自己所说，这样的个人见解未必都是对的，但相关的讨论很有价值。因此，读者可能会感到阅读本书有点“难”，因为要进行深入的讨论，先得经过自己独立的思考。

作为致辰在清华大学电子工程系的硕士生导师，我非常地高兴看到他在成为推荐系统领域优秀的科技工作者的同时能致力于科学技术的知识传播——写作并出版了本书，希望这本书能影响到更多的人。

——中国图象图形学学会副理事长兼秘书长 北京科技大学计算机与通信工程学院副院长|马惠敏