推荐系统通过各种智能算法对用户进行画像并主动向用户推送“千人千面”的个性化信息,能够帮助用户解决信息超载问题并提高决策效率,进而使用户、平台、商家等多方受益。本课程主要讲解各种推荐系统和推荐算法的基本思想、原理、设计实现和典型应用。采用问题引导与示例展示相结合的讲解方式,通过图、表等可视化方式直观展示各种推荐系统和算法的思想、原理和具体步骤。
经过多年的研究和教学积累,本课程的配套教材《推荐系统》已经正式出版,主要包括:“千人千面”的个性化推荐和“千人万面”的情境化推荐;教材配套程序代码也已开源上线https://github.com/LiuHongzhi-PKU/RSBook。
本课程分知识点录制教学视频,每个视频长度约10~15分钟,并配有相应的课件。
本课程适合计算机科学与技术、软件工程、数据科学、人工智能等专业的高年级本科生和研究生选修,也适合于期望或正在从事推荐系统、数据挖掘、精准营销等相关工作人员学习。
1. 推荐系统简介
1.1 推荐系统的意义与价值
1.2 推荐系统的历史与框架
1.3 推荐算法分类
测验1
2. 基于邻域的协同过滤
2.1 协同过滤的基本思想与算法分类
2.2 基于用户的协同过滤
2.3 基于项目的协同过滤
2.4 基于邻域的评分预测
2.5 基于二部图的协同过滤
测验2
3. 基于模型的协同过滤
3.1 基于关联规则的推荐
3.2 基于矩阵分解的评分预测
3.3 概率矩阵分解框架
3.4 基于矩阵分解的Top-N推荐
测验3
4. 基于内容和知识的推荐
4.1 基于内容推荐的系统框架
4.2 向量空间模型
4.3 基于语义的内容相似度
4.4 基于约束的推荐
4.5 基于效用和实例的推荐
测验4
5. 混合推荐
5.1 混合推荐简介
5.2 理论依据与算法分类
5.3 平行式混合推荐
5.4 串行式混合推荐
5.5 整体式混合推荐
测验5
6. 推荐系统评测
6.1 评测视角与实验方法
6.2 分类准确率指标
6.3 排序、评分及其他常用指标
6.4 公开实验数据集
测验6
具备一定的线性代数和概率论知识
刘宏志,吴中海. 推荐系统(第2版). 北京:机械工业出版社. 2024