书籍介绍
内容简介：
随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载（information overload）的时代 。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：对于信息消费者，从大量信息中找到自己感兴趣的信息是一件非常困难的事情；对于信息生产者，让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。
目录
用户评论
系统性地介绍了这一领域，思路清晰，读完挺有收获的。看起来推荐的中主要难点在架构和策略上，算法都比较简单。
看完之后从书中拼凑出自己想要的推荐系统架构还是有点困难（其实主要原因是自身产品就是一个无比庞杂的架构）。另外我发现推荐系统的书都很少讲业务逻辑和产品形态，目前只有这本稍微涉及一些（已然比较out了）。作为pm还是多看看一些slides吧。
hmm 入门的不错书籍
:TP393/1090
入门级
比较旧的推荐系统的书了，适合入门。 使用用户行为数据，挖掘用户标签，利用上下文信息和社交网络数据。
很久以前买的书籍，中途断断续续的阅读，看了一年多。最近因为业务需求又读了读。书籍内容不是很新，但比较全面，可以从整体上了解推荐系统的框架
过年宅家看完的第一本书，质量一般，体系架构不够清晰，很多内容前后重复，需要一个更好的逻辑梳理脉络。但整书贯彻的理念可圈可点，推荐系统是大数据时代解决人类所面临的信息过载问题的必备工具。
还可以
- 推荐系统把用户的行为信息、内容的信息等等考虑进一个公式中，然后按照公式不断优化最终的目标，公式本身也可以不断迭代，获得一个相对更优的结果。
- UG也是把DAU量化为公式，然后做到效率的极致。
- 相似性上，推荐系统和UG都是在通过量化的方式提升效率。
字节跳动是一个在效率这点上很top的公司。
Z-Library