推荐序五

在如今这个信息爆炸的时代,每天都会产生海量的数据。如何帮助信息的收取者看到对他们有价值的信息,如何帮助信息的产生者对接他们的目标群体,已经成为非常重要的研究课题,而这正是推荐系统所解决的核心问题。

现在,推荐系统不仅在商业领域发挥了巨大的作用,还广泛应用于娱乐、社交网络、新闻、教育等多个领域,极大地提升了信息定向流动的效率,同时也塑造了我们今天阅读、观影甚至购物的习惯。

应当注意到,飞速发展的推荐系统技术背后主要的推动力之一就是大规模机器学习方法。作为一名研究计算机视觉的学者,我深知结合大数据和大算力的机器学习方法对人工智能领域的深刻影响。对接千万用户、吞吐海量数据的推荐系统自然是机器学习方法“大显神通”的领域。考虑到机器学习和推荐系统这两个领域都有着丰富的内涵,两者的结合更是学界和工业界最新的研究成果,要想把这两个技术融为一体、深入浅出地向读者描绘出来将是极具挑战的。

非常感谢我的清华大学本科室友、才华横溢的作者水哥(赵致辰)为大家带来了这样一本既走在前沿又深入浅出的《现代推荐算法》。水哥深耕推荐系统多年,在多家互联网巨头公司参与并领导一线的推荐系统开发,具有深厚的理论功底和实践经验。从内容上讲,这本书以推荐系统的视角,从理论到实践,从算法到工程,从技术到商业,全面讲解了推荐系统的方方面面。这使得读者不仅能够了解推荐系统的原理,还能掌握实际应用的技巧,对工业界人士和感兴趣的同学们来说都是极具参考价值的。从写作文笔上看,水哥延续了他一贯引人入胜的风格,文采飞扬,不但将技术展现得淋漓尽致,语言也是生动诙谐,让我久久不能释卷。

这本《现代推荐算法》共分为5个篇章。

在总览篇中,水哥阐述了推荐系统的基本概念、背景知识和应用场景,帮助读者建立起对这个领域的整体认识。

在模型篇中,水哥详细地介绍了推荐系统的核心算法和技术,从精排到粗排到召回,从传统的逻辑回归模型、树模型一路讲到深度学习方法,包括了Transformer,这些内容将有助于读者深入理解推荐系统的关键技术。

在前沿篇中,水哥结合一线开发的前沿动向,展示了多个正在快速发展的技术课题,如用户兴趣建模、用户画像、可解释性等。

在难点篇中,水哥更是深挖当前推荐技术中尚未完全解决的困难问题,对有志于推动推荐技术向前发展的读者极具参考价值。

在最后的决策篇中,水哥从更高的角度思考推荐技术,对用户行为和信息流量进行了鞭辟入里的探讨,所谓“功夫在诗外”,这部分展现了如何从产品运营角度帮助推荐技术在商业上取得成功,其中对技术视角的介绍是一个重要的补充。

作为一名人工智能领域的学者,我相信这本书将对推荐系统技术的普及、发展及其与机器学习技术的结合产生积极的影响,同时也将给广大读者的学习和工作带来极大的帮助。

最后,我衷心地祝愿这本《现代推荐算法》能够在学术界和工业界引起广泛关注,成为普及推荐系统技术的经典之作。同时,我也期待着水哥在未来能够持续为我们带来更多关于人工智能领域的优秀著作。

敬请各位读者品鉴。

——北京大学计算机学院助理教授、博士生导师|王鹤

2023年4月29日