对本书的赞誉
（以点评人的姓氏拼音为序排列）
推荐系统是机器学习技术应用最为广泛的场景之一。本书结合推荐技术的产品特点深入探讨了推荐系统的不同范式和技术创新方法，建议结合机器学习算法一起阅读和思考。
陈天奇 卡内基梅隆大学机器学习系、计算机科学系助理教授
王超作为推荐系统领域的“老将”，在他以往的工作中有着丰富的实战经验，这也让这本书与推荐系统领域的很多书籍有着很大的区别。本书富含在实际业务中总结的思考，不仅包含较新的算法，也包含大量提升产品核心指标的思路。这一点非常重要，也是很多技术人容易忽略的。本书将关键的推荐技术围绕产品中重要的业务问题来组织，非常值得从事推荐相关工作的技术人员阅读。
陈雨强 第四范式联合创始人
搜索、广告与推荐，三引擎主网互联。
术层面上道显现，洞见藏在书里边。
围绕推荐此书编，溯源领域三十年。
秩序迭代坍塌演，遍地开花耀今天。
洪涛 前百度高级科学家
本书超越了人们通常只对推荐系统技术层面的思考，更进一步触及其背后的“道”，也就是已经在互联网商业领域广泛影响消费者生活的运算逻辑的规律性本质，并预测其发展趋势。算法、模型、数据和产品，都不过是对这个“道”的某种注释。作者更希望带领大家关注的，是这项于己孜孜以求、于人日享其用的技术如何在新一轮的产业升级浪潮中取得产品创新；是每一个精进此术的从业者如何在日新月异的业务挑战中不断拓宽技术视野。相信每个细心阅读、认真思考本书的读者，都会收获一份对推荐系统恍若初见的感觉。
蒋凡 中国计算机学会大数据专家委员会执行委员
《智能增长》作者、《推荐系统》译者
本书并不是一味地枯燥罗列各种推荐算法，而是站在推荐产品经理的视角，结合内容供给、用户冷启和增长、分发效率、传播场景、内容载体等多个维度来引出作者对各种推荐算法的深刻理解，娓娓道来，深入浅出，强烈推荐！
李双龙 百度首席架构师
在《计算广告》一书的写作过程中，我跟王超的合作非常密切且愉快。时隔多日，看到他收获这本关于推荐系统的书稿时，深深为他不断前行且乐于分享的热情所打动。
本书的独特之处是，从产品的视角展开介绍推荐系统的林林总总，让初窥门径者能够顺利地跟随作者的导引了解整个领域的方方面面。在推荐技术渐成互联网显学的今天，本书从产品视角的梳理对从业者的引领和指导意义是不言而喻的。
所有对互联网背后的个性化引擎的工作原理感兴趣的朋友，都应该读一读此书。
刘鹏 CartX联合创始人，《计算广告》作者
从人找信息到从信息找人，是传播生态变革和互联网产品发展的方向，推荐就是这场变革的主引擎。该书在内容上颇具特色，以信息供需变革为主线，以主要产品类型为坐标，以常见的推荐场景与策略为焦点，使用户之“本”、产品之“用”、机制之“道”、算法之“术”得到有机融合。全书深入浅出，专业性和实用性兼备。无论是用户侧产品的开发者，还是商业化及增长、内容生态的从业者，或是对推荐感兴趣的学生，本书都值得一读。
马澈 中国传媒大学广告学院副教授
本书基于作者多年的从业经验，从产品的视角出发，阐述推荐问题的定义和相关的前沿技术，并结合实际应用案例，帮助读者更好地理解和应用推荐技术，从而掌握推荐之道。无论是相关领域的从业人员，还是高校学生，都可以从本书中获益。
马少平 清华大学计算机科学与技术系教授
学术界通常认为搜索和推荐是信息检索这枚“硬币”的一体两面，而工业界中则将搜索和推荐看成并列的两项核心技术。如果说搜索引擎只有几家大公司独领风骚的话，推荐系统则遍地开花，广泛存在于各大互联网公司的各类业务中，并发挥着重要作用。掌握了推荐技术，可以说基本把握了互联网技术的精髓所在。本书作者不仅具有丰富的业界经验，也有成功的写作出版经验，其和刘鹏合著的《计算广告》一书便是领域中的经典之作。相信这本书能再次让大家满意！
王斌 小米集团人工智能实验室主任、自然语言处理首席科学家
爱因斯坦曾说过：“所有困难的问题，答案都在更高层次。”本书就是对这一理念的践行。对于如何做好“推荐”这件事，作者并没有单从技术本身求解答案，还从信息分发的本质带你溯本求源，找到真正的破局之道。强烈推荐大家入手这本书，提高我们认知推荐系统的思维层次。
王大川 DataFun创办人
王超是计算广告和在线内容推荐领域的专家，不仅有专业知识积累，更有过往多年的工作实践。最近几年，推荐产品已经被证明是用户获取内容的高效形式，因此被各互联网公司广泛采用。本书可以为读者提供内容推荐的基础知识和实践经验，值得一读。
王昊 智联招聘CTO，前bilibili副总裁兼技术委员会主席
这本书可以说是推荐系统行业内技术结合产品的一次全面总结和全新尝试。这本书不仅向读者介绍了推荐系统技术的前沿进展，更传递了作者对不同推荐产品的个性化思考，是不可多得的一本好书。
王喆 字节跳动技术经理，《深度学习推荐系统》作者
本书从新颖的视角深入解析了推荐系统所解决的问题和发展趋势。不同于常见的以技术模块剖析推荐系统的写作风格，作者从产品视角入手，探讨了如何理解推荐系统的产品技术发展规律，以及如何应对各种机遇中的用户需求变化。
本书提出的以供给侧变革启动供需持续增长的创新洞见，跳出了对推荐系统进行静态优化的圈子，对于存量竞争中的突破给出了新的思路。对推荐系统细节的讲述，采用了以常见的几个产品方向（信息推荐、社交和社区推荐、视频推荐和电商推荐）的组织方式，结合全局思考和深度探索，分领域分析了用户需求特点、生态环境，以及如何通过技术手段满足用户需求，优化推荐产品。
相关的从业者，不管是想要理解推荐系统背后的技术发展，还是希望理解如何将这些技术应用到实际产品中或者只是对推荐系统感兴趣，这本书都能提供深入的指导和启示。
项碧波 汽车之家CTO
本书不仅深入浅出地探讨了以深度学习和强化学习等技术为核心的推荐系统解决方案设计，以及现代推荐系统的产品理论基础，还通过分析典型的信息推荐、社区推荐、视频推荐和电商推荐等实际案例，展现了这些理论是如何在实际业务中发挥作用的。作者对技术、产品和商业策略的全面理解及对这个领域的长期热爱，使得本书成为从初学者到专业人士的宝贵学习资料。对于希望在用户增长、推荐系统及相关领域有深入了解和提升的读者，本书提供了丰富的见解和实用的指导。无论你是工程师、产品经理还是商业分析师，都会在这本书中找到灵感并获得指导。
严强 前快手高级副总裁，前阿里巴巴高级算法专家
讲解推荐系统技术的书籍有很多，这些书籍大多以推荐算法为主线，缺乏对推荐产品发展内在逻辑的剖析，无法让读者做到知其然并知其所以然。
一款好的推荐产品并不应当仅优化推荐算法，还需要在产品UI、业务领域知识和优质的数据积累等环节多下功夫，才能获得产品上的成功。因此，当王超将他对推荐系统技术的理解系统性地整理成本书后，我眼前一亮：书中不仅介绍了近年来关键的推荐技术进展，也在产品层面对不少问题提出了他的思考。我觉得这本书今后会成为推荐行业从业者的必读书。
作为王超多年的朋友，我衷心为这本书的出版感到高兴！
张栋 前谷歌研究员
作为重要的人工智能（AI）应用领域，推荐系统的外在产品表现形式和内在核心技术体系一直处于动态发展中。最近两年出现了不少关于推荐系统的技术书籍，但是缺乏从更高视角审视推荐产品生态发展进程的作品，这本书填补了这一空白。
这本书的作者具备开阔的视野，能从多维度观察推荐系统并有很多真知灼见。这本书不仅讲述了推荐系统过去几十年来的产品发展脉络及其内在发展逻辑，同时也将背后相关的关键技术原理穿插其中。我本人在阅读这本书的过程中获益良多，诚挚向大家推荐这本佳作。
张俊林 新浪微博新技术研发负责人
这本书从产品和技术的双重视角讲解了推荐系统，是一本丰富而有趣的书。
张雷 小红书技术副总裁
不同于市面上的书籍主要按技术模块来组织，本书视角新颖，是按产品中的实际问题来组织的，读起来颇为有趣。书中还包含了一部分相对前沿的学术方法在推荐领域的实践探讨，是一本对初学者和有一定经验的从业者都具有参考价值的书。
张伟楠 上海交通大学计算机科学与工程系副教授
过去的十多年时间，伴随着移动互联网的普及，推荐系统成为了人们日常娱乐、资讯等消费的主要载体。但是它在利用用户碎片化时间的同时，也过度消耗了用户的注意力，使得真正深度的、持续的、专注的思考变得越来越稀缺，这是严肃的从业者都在反思的重要话题。读一读本书，你会有所收获。
朱小强 汇量科技首席人工智能官