會員登入
｜
加入會員
｜
會員專區
｜
購物車
｜
自資出版
｜
電子書城
｜
客服中心
文學小說
商管創投
人文藝坊
勵志養生
進修學習
科學工程
家庭親子
玩樂天地
書名
出版社
作者
isbn
編號
英語會話
|
成交的秘密
|
霹靂影音寫真特典
|
iPhone 4S JB解禁秘術：Cydia 超限軟體300+
．
非馬詩天地
．
一種風流吾最愛：《世
．
簡明英文法
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
越賣越多的祕密：使用LLM實作推薦系統及演算法
作者：
劉強
分類：
電腦與網路
／
綜論
出版社：
深智數位
出版日期：2025/8/21
ISBN：9786267757192
書籍編號：kk0603268
頁數：400
定價：
880
元
一般會員價：
79
折
695
元
特別會員價：
79
折
695
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 15 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='http://www.silkbook.com/book_detail.asp?goods_ser=kk0603268'>越賣越多的祕密：使用LLM實作推薦系統及演算法</a>
圖片連結
複製語法
<a href='http://www.silkbook.com/book_detail.asp?goods_ser=kk0603268'><img src='http://www.silkbook.com/mall_image/bk/kk0603268.jpg' ALT='越賣越多的祕密：使用LLM實作推薦系統及演算法' height='120' width='90'></a>
分
享
•
-
內容簡介
作者介紹
書籍目錄
同類推薦
越賣越多的祕密：使用LLM實作推薦系統及演算法 內容簡介 ►掌握大模型推薦系統核心技術與設計原理 ►從預訓練、微調到上下文學習完整覆蓋 ►系統化拆解4種推薦範式與工程實踐技巧 ►深度解析嵌入特徵、生成樣本與商品內容 ►實作TALLRec、GIRL等前沿推薦模型 ►運用大模型強化電子商務冷啟與對話推薦 ►實務導向，涵蓋MIND與Amazon資料集應用 ►提供CUDA與MacBook雙開發環境安裝指南 ►完整展現大模型在真實推薦業務中的落地挑戰與策略 ►建構互動式智慧體與推薦解釋提升用戶說服力 本書系統性解析大模型如何重塑推薦系統架構，全面涵蓋預訓練、微調、上下文學習等核心技術，並以實戰角度帶領讀者進行實作與部署。透過MIND、Amazon等主流資料集，詳細展示從資料準備、開發環境建置到模型推理的完整流程。內容涵蓋嵌入特徵生成、冷啟推薦、推薦解釋、互動式推薦等熱門應用，並實作TALLRec、GIRL、LLMRank等前沿案例。進階章節更涵蓋大模型在真實業務中的部署策略、ROI 分析與工程最佳化，幫助開發者將技術真正落地。適合大專院校、AI 工程師及產業實務人員深入學習大模型推薦技術的首選指南。
作者簡介 劉強 2009年畢業於中國科學技術大學，有15年大數據與AI相關實踐經驗。出版過暢銷書《推薦系統：算法、案例與大模型》和《構建企業級推薦系統：算法、工程實現與案例分析》，參與翻譯《AI革命：人工智能如何為商業賦能》、《認識AI：人工智能如何賦能商業（原書第2版）》、《MongoDB性能調優實戰》等書。 目前擔任杭州數卓信息技術有限公司CEO，公司業務方向為大模型推薦系統、大模型搜索、大模型知識庫等，致力於幫助企業利用大模型技術進行降本、提效與精細化運營。兼任愛搭（Alda）高級技術顧問，與愛搭一同推動推薦系統及大模型技術在行業內落地應用。
目錄 ▌第1章 基礎知識 1.1 大模型相關資源 1.1.1 可用的模型及API 1.1.2 資料資源 1.1.3 軟體資源 1.1.4 硬體資源 1.2 大模型預訓練 1.2.1 資料收集與前置處理 1.2.2 確定模型架構 1.2.3 確定目標函式及預訓練 1.2.4 解碼策略 1.3 大模型微調 1.3.1 微調原理 1.3.2 指令微調 1.3.3 對齊微調 1.4 大模型線上學習 1.4.1 提示詞 1.4.2 上下文學習 1.4.3 思維鏈提示詞 1.4.4 規劃 1.5 大模型推理 1.5.1 高效推理技術 1.5.2 高效推理軟體工具 1.6 總結 ▌第2章 資料準備與開發環境準備 2.1 MIND 資料集介紹 2.2 Amazon 電子商務資料集介紹 2.3 開發環境準備 2.3.1 架設CUDA 開發環境 2.3.2 架設MacBook 開發環境 2.4 總結 ▌第3章 大模型推薦系統的資料來源、一般想法和4 種範式 3.1 大模型推薦系統的資料來源 3.1.1 大模型相關的資料 3.1.2 新聞推薦系統相關的資料 3.1.3 將推薦資料編碼為大模型可用資料 3.2 將大模型用於推薦的一般想法 3.3 將大模型應用於推薦的4 種範式 3.3.1 基於大模型的生成範式 3.3.2 基於PLM 的預訓練範式 3.3.3 基於大模型的微調範式 3.3.4 基於大模型的直接推薦範式 3.4 總結 ▌第4章 生成範式：大模型生成特徵、訓練資料與物品 4.1 大模型生成嵌入特徵 4.1.1 嵌入的價值 4.1.2 嵌入方法介紹 4.2 大模型生成文字特徵 4.2.1 生成文字特徵 4.2.2 生成文字特徵的其他方法 4.3 大模型生成訓練資料 4.3.1 大模型直接生成表格類資料 4.3.2 大模型生成監督樣本資料 4.4 大模型生成待推薦物品 4.4.1 為使用者生成個性化新聞 4.4.2 生成個性化的視訊 4.5 總結 ▌第5章 預訓練範式：透過大模型預訓練進行推薦 5.1 預訓練的一般想法和方法 5.1.1 預訓練資料準備 5.1.2 大模型架構選擇 5.1.3 大模型預訓練 5.1.4 大模型推理（用於推薦） 5.2 案例講解 5.2.1 基於PTUM 架構的預訓練推薦系統 5.2.2 基於P5 的預訓練推薦系統 5.3 基於MIND 資料集的程式實戰 5.3.1 預訓練資料集準備 5.3.2 模型預訓練 5.3.3 模型推理與驗證 5.4 總結 ▌第6章 微調範式：微調大模型進行個性化推薦 6.1 微調的方法 6.1.1 微調的價值 6.1.2 微調的步驟 6.1.3 微調的方法 6.1.4 微調的困難與挑戰 6.2 案例講解 6.2.1 TALLRec 微調框架 6.2.2 GIRL：基於人類回饋的微調框架 6.3 基於MIND 資料集實現微調 6.3.1 微調資料準備 6.3.2 模型微調 6.3.3 模型推斷 6.4 總結 ▌第7章 直接推薦範式：利用大模型的上下文學習進行推薦 7.1 上下文學習推薦基本原理 7.2 案例講解 7.2.1 LLMRank 實現案例 7.2.2 多工實現案例 7.2.3 NIR 實現案例 7.3 上下文學習推薦程式實現 7.3.1 資料準備 7.3.2 程式實現 7.4 總結 ▌第8章 實戰案例：大模型在電子商務推薦中的應用 8.1 大模型賦能電子商務推薦系統 8.2 新的互動式推薦範式 8.2.1 互動式智慧體的架構 8.2.2 淘寶問問簡介 8.3 大模型生成使用者興趣畫像 8.3.1 基礎原理與步驟介紹 8.3.2 資料前置處理 8.3.3 程式實現 8.4 大模型生成個性化商品描述資訊 8.4.1 基礎原理與步驟介紹 8.4.2 資料前置處理 8.4.3 程式實現 8.5 大模型應用於電子商務猜你喜歡推薦 8.5.1 資料前置處理 8.5.2 模型微調 8.5.3 模型效果評估 8.6 大模型應用於電子商務連結推薦 8.6.1 資料前置處理 8.6.2 多路召回實現 8.6.3 相似度排序實現 8.6.4 排序模型效果評估 8.7 大模型如何解決電子商務冷啟動問題 8.7.1 資料準備 8.7.2 利用大模型生成冷啟動商品的行為樣本 8.7.3 利用大模型上下文學習能力推薦冷啟動商品 8.7.4 模型微調 8.7.5 模型效果評估 8.8 利用大模型進行推薦解釋，提升推薦說服力 8.8.1 資料準備 8.8.2 利用大模型上下文學習能力進行推薦解釋 8.8.3 模型微調 8.8.4 模型效果評估 8.9 利用大模型進行對話式推薦 8.9.1 對話式大模型推薦系統的架構 8.9.2 資料準備 8.9.3 程式實現 8.9.4 對話式推薦案例 8.10 總結 ▌第9章 專案實踐：大模型落地真實業務場景 9.1 大模型推薦系統如何進行高效預訓練和推理 9.1.1 模型高效訓練 9.1.2 模型高效推理 9.1.3 模型服務部署 9.1.4 硬體選擇建議 9.2 大模型落地企業級推薦系統的思考 9.2.1 如何將推薦演算法嵌入大模型框架 9.2.2 大模型特性給落地推薦系統帶來的挑戰 9.2.3 大模型相關的技術人才匱乏 9.2.4 大模型推薦系統與傳統推薦系統的關係 9.2.5 大模型推薦系統的投資回報率分析 9.2.6 大模型落地推薦場景的建議 9.3 總結 ▌後記
功率半導體元件
從數學開始的AI，基
不寫程式的電腦思維課
座標的誕生，一場跨越
人機互動進化史，邁向
未來算力，量子AI技
超智慧合作，AI產品
標籤科技的原理與實際
秒懂AI提問：讓人工
機器學習聖經：最完整
Q1：若我已報名付了1000元訂金，接下來我要做什麼？ A：感謝您報名，後續相關事情及服務我們會以e-mail和電話跟您聯絡. 您也可以主動來信(andy@book4u.com.tw)詢問。謝謝！ Q2：我本身並沒有產品和服務，也沒什麼實務上的經驗，那又能如何賺錢呢？這個課程真的有實際成效嗎？ A：我們這個課程共有11項贈品，其中第2項贈品便是資訊產品創造藍圖，它將教您如何用最簡潔而快速的方法創出屬於您自己的資訊產品。一般的課程大多是教您如何捕魚，但多數的成功致富者，其成功的關鍵卻不是仰賴捕魚技術，而是仰賴借力之術，因為唯有借力才能無中生有！才能快速成長！也才能快速致富！本課程3天共有三套樣版，其中一套樣版便是教您打造在沒有任何商品與服務，也沒有任何資源的情況下，就能快速借力致富的樣版！本課程二位講師都是白手起家，對於沒有實務經驗的新手會格外用心，請放心。 Q3：請問贈品中魚池矩陣直效聯盟VVIP是什麼？ A：這是一個強大的系統，而我們送的是體驗版，會提供你Email追客系統。國外有一種函授課程，亦即每幾天發一個課程給學員， 就是用EMAIL追客系統來實踐。EMAIL追客系統簡單的說就是今天有一個客戶在你的網站上購買產品或註冊，系統會自動回覆一封確認信，之後你可以自行設計發送內容和發信時間一次一對多發給客戶，而且每封信還會帶入客戶本身的姓名。讓客戶以為是我們專門為客戶所量身訂作的信件。所以Email追客系統可以讓你培養跟客戶的信任感，進而成交。 Q4：請問贈品中資訊產品創造藍圖是什麼？ A：這是一位叫林星?老師的課程，課程售價是9800元，現在免費送給你。此課程包含： ● 何謂資訊型產品？ ● 資訊型產品的種類大解析！以及如何組織你的資訊型產品賺錢？ ● 如何找到你的利基市場？ ● 為什麼錯的利基市場，再好的產品與行銷也很難有效！ ● 29個國外已經證實能讓你賺到錢的利基市場！ ● 如何確保你做出來的產品客戶會很想購買？以及實際可執行的步驟！ ● 創造資訊型產品計劃書 ● 15個步驟建立你的資訊型產品事業 ● E-mail精準行銷的10個法則 ● 10個別人沒有告訴你的有效文案撰寫法則 Q5：請問贈品中自動財富系統 6片DVD是什麼？ A：此6片DVD定價3200元。內容為《借力淘金！最吸利的鈔級魚池賺錢術》作者之一王紫杰所錄製的DVD，內容為有關網路行銷的知識和技巧，非常豐富且實用，免費送給您。
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
