Sistemi di raccomandazione: Il libro di testo

Recensioni dei lettori

Il libro sui sistemi di raccomandazione è molto apprezzato per la sua scrittura chiara, la copertura completa e le intuizioni pratiche, che lo rendono prezioso sia per i principianti che per coloro che cercano di approfondire le loro conoscenze. Pur essendo una risorsa autorevole, è stato notato per la mancanza di argomenti avanzati come le tecniche di deep learning e gli esempi pratici.

⬤ Scrittura chiara e ben organizzata.
⬤ Copertura completa degli algoritmi essenziali e della matematica alla base dei sistemi di raccomandazione.
⬤ Buon equilibrio tra teoria e consigli pratici.
⬤ Utile come riferimento sia per i principianti che per i lettori avanzati.
⬤ Fornisce fiducia per costruire motori di raccomandazione personalizzati.
⬤ Molti utenti lo trovano utile e lo raccomandano vivamente.

⬤ Manca la copertura di argomenti avanzati come l'apprendimento profondo e i banditi a più braccia.
⬤ Alcuni utenti desiderano più esempi numerici e codice di esempio.
⬤ L'indice della versione Kindle non è collegato a un link ipertestuale, rendendo la navigazione macchinosa.
⬤ Alcune sezioni presentano contenuti ripetitivi e alcune piccole imprecisioni.

(basato su 18 recensioni dei lettori)

Titolo originale:

Recommender Systems: The Textbook

Contenuto del libro:

Questo libro tratta in modo esaustivo l'argomento dei sistemi di raccomandazione, che forniscono raccomandazioni personalizzate di prodotti o servizi agli utenti sulla base delle loro ricerche o acquisti precedenti. I metodi dei sistemi di raccomandazione sono stati adattati a diverse applicazioni, tra cui l'estrazione di log di query, il social networking, le raccomandazioni di notizie e la pubblicità computazionale. Questo libro sintetizza gli argomenti fondamentali e avanzati di un'area di ricerca che ha ormai raggiunto la maturità. I capitoli di questo libro sono organizzati in tre categorie:

Algoritmi e valutazione: Questi capitoli discutono gli algoritmi fondamentali dei sistemi di raccomandazione, compresi i metodi di filtraggio collaborativo, i metodi basati sul contenuto, i metodi basati sulla conoscenza, i metodi basati sull'ensemble e la valutazione.

Raccomandazioni in domini e contesti specifici: il contesto di una raccomandazione può essere considerato come un'importante informazione secondaria che influisce sugli obiettivi della raccomandazione. Vengono esplorati diversi tipi di contesto, come i dati temporali, i dati spaziali, i dati sociali, i dati di tagging e l'affidabilità.

Argomenti avanzati e applicazioni: Vengono discussi vari aspetti di robustezza dei sistemi di raccomandazione, come i sistemi di shilling, i modelli di attacco e le loro difese.

Inoltre, vengono introdotti argomenti recenti, come l'apprendimento a rango, i banditi a più braccia, i sistemi di gruppo, i sistemi multicriteriali e i sistemi di apprendimento attivo, con relative applicazioni.

Sebbene questo libro sia principalmente un libro di testo, sarà interessante anche per i professionisti e i ricercatori del settore industriale grazie alla sua attenzione alle applicazioni e ai riferimenti. Sono stati forniti numerosi esempi ed esercizi ed è disponibile un manuale di soluzioni per gli insegnanti.