Sistemi di raccomandazione: Il libro di testo

Recensioni dei lettori

Il libro è molto apprezzato per la sua scrittura chiara, la copertura completa dei sistemi di raccomandazione e le intuizioni pratiche, che lo rendono prezioso sia per i principianti che per i lettori più avanzati. Tuttavia, manca di profondità in argomenti avanzati come le applicazioni del deep learning nei sistemi di raccomandazione e include pochi esempi pratici.

Scrittura chiara e ben organizzata. Copertura completa degli algoritmi e dei concetti dei sistemi di raccomandazione. Fornisce approfondimenti pratici e teorici. Eccellente materiale di riferimento. Utile sia per i neofiti che per i lettori esperti.

Manca una copertura approfondita di argomenti avanzati come il deep learning nei sistemi di raccomandazione. Mancano esempi numerici o codice di implementazione, rendendo il testo meno pratico per alcuni lettori. La versione Kindle ha un indice non ipertestuale, che può ostacolare la navigazione.

(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.