本书系统讲解了推荐系统理论、算法与前沿应用，分三大层次构建完整知识体系，兼具理论深度与实践指导价值。第1章到第3章为基础体系，先介绍推荐系统的背景、需求与任务分类，梳理可挖掘的用户行为、用户标签等核心信息，再建立“离线+在线”的完整评价体系，详解预测准确性、覆盖率等多维度评价指标，随后深入讲解基于协同过滤的推荐、神经网络推荐等经典算法。第4章聚焦各类技术话题，探讨基于意图的推荐、群组推荐、可解释性推荐、基于会话的推荐等进阶方向，分析各方向技术特征与面临的挑战，梳理循环神经网络、图神经网络等技术的应用路径。第5章介绍推荐系统技术应用，阐述强化学习、知识图谱、因果推断、大语言模型等技术与推荐系统的融合范式，拆解具体应用方法与模型架构，梳理各领域研究话题与发展趋势，完整呈现了推荐系统领域的研究脉络与前沿方向。

第1章 推荐系统概述…………………………………………………………………………… 1
1.1 推荐系统的背景与需求 ………………………………………………………………… 2
1.1.1 推荐系统的背景 …………………………………………………………………… 2
1.1.2 推荐系统的需求 …………………………………………………………………… 3
1.1.3 总结 ………………………………………………………………………………… 4
本节参考文献………………………………………………………………………………… 4
1.2 推荐系统任务分类 ……………………………………………………………………… 4
1.2.1 基于协同过滤的推荐 ……………………………………………………………… 5
1.2.2 基于内容的推荐 …………………………………………………………………… 5
1.2.3 基于人口统计学的推荐 …………………………………………………………… 5
1.2.4 基于效用的推荐 …………………………………………………………………… 6
1.2.5 基于知识的推荐 …………………………………………………………………… 6
1.2.6 混合型推荐 ………………………………………………………………………… 6
1.2.7 总结 ………………………………………………………………………………… 6
本节参考文献………………………………………………………………………………… 7
1.3 推荐系统中可使用的信息 ……………………………………………………………… 7
1.3.1 用户行为数据 ……………………………………………………………………… 7
1.3.2 用户标签数据 ……………………………………………………………………… 8
1.3.3 上下文信息 ………………………………………………………………………… 8
1.3.4 社交网络数据 ……………………………………………………………………… 8
1.3.5 总结 ………………………………………………………………………………… 9
本节参考文献………………………………………………………………………………… 9
第2章 推荐系统评价 ………………………………………………………………………… 10
2.1 推荐系统评价方法……………………………………………………………………… 10
2.1.1 评价的必要性……………………………………………………………………… 11
2.1.2 离线评价…………………………………………………………………………… 11
2.1.3 在线评价…………………………………………………………………………… 12
2.1.4 总结………………………………………………………………………………… 13
本节参考文献 ……………………………………………………………………………… 13
2.2 评价推荐系统要考虑的因素和指标…………………………………………………… 13
2.2.1 预测准确性………………………………………………………………………… 14
2.2.2 决策支持度量指标………………………………………………………………… 15
2.2.3 覆盖率……………………………………………………………………………… 17
2.2.4 多样性……………………………………………………………………………… 17
2.2.5 排序质量度量指标………………………………………………………………… 18
2.2.6 总结………………………………………………………………………………… 19
本节参考文献 ……………………………………………………………………………… 19
第3章 经典推荐算法 ………………………………………………………………………… 21
3.1 基于协同过滤的推荐算法……………………………………………………………… 21
3.1.1 基于用户的协同过滤算法………………………………………………………… 22
3.1.2 基于物品的协同过滤算法………………………………………………………… 23
3.1.3 总结………………………………………………………………………………… 24
本节参考文献 ……………………………………………………………………………… 24
3.2 基于内容的推荐算法…………………………………………………………………… 24
3.2.1 概述………………………………………………………………………………… 24
3.2.2 算法示例…………………………………………………………………………… 25
3.2.3 总结………………………………………………………………………………… 26
本节参考文献 ……………………………………………………………………………… 26
3.3 混合推荐算法…………………………………………………………………………… 26
3.3.1 基于权重的混合算法……………………………………………………………… 27
3.3.2 级联混合推荐算法………………………………………………………………… 28
3.3.3 基于特征组合的推荐算法………………………………………………………… 28
3.3.4 切换混合推荐算法………………………………………………………………… 29
3.3.5 基于特征增强的推荐算法………………………………………………………… 30
3.3.6 基于元级别的推荐算法…………………………………………………………… 30
3.3.7 混杂混合算法……………………………………………………………………… 31
3.3.8 总结………………………………………………………………………………… 31
本节参考文献 ……………………………………………………………………………… 32
3.4 神经网络推荐算法……………………………………………………………………… 33
3.4.1 概述………………………………………………………………………………… 33
3.4.2 神经网络的基础结构……………………………………………………………… 34
3.4.3 神经协同过滤……………………………………………………………………… 36
3.4.4 基于内容的神经网络推荐………………………………………………………… 37
3.4.5 总结………………………………………………………………………………… 39
本节参考文献 ……………………………………………………………………………… 39
第4章 推荐系统话题 ………………………………………………………………………… 41
4.1 基于意图的推荐………………………………………………………………………… 41
4.1.1 概述………………………………………………………………………………… 41
4.1.2 使用循环神经网络的方法………………………………………………………… 41
4.1.3 使用注意力和记忆神经网络的方法……………………………………………… 45
4.1.4 使用图神经网络的方法…………………………………………………………… 47
4.1.5 总结………………………………………………………………………………… 50
本节参考文献 ……………………………………………………………………………… 50
4.2 群组推荐………………………………………………………………………………… 51
4.2.1 概述………………………………………………………………………………… 51
4.2.2 基于分数的群组推荐方法………………………………………………………… 51
4.2.3 基于模型的群组推荐方法………………………………………………………… 52
4.2.4 序列化群组推荐…………………………………………………………………… 60
4.2.5 总结………………………………………………………………………………… 63
本节参考文献 ……………………………………………………………………………… 63
4.3 可解释性推荐…………………………………………………………………………… 64
4.3.1 概述………………………………………………………………………………… 64
4.3.2 基于模型内在方法的可解释性推荐……………………………………………… 64
4.3.3 基于模型无关方法的可解释性推荐……………………………………………… 74
4.3.4 可解释性推荐的评价……………………………………………………………… 76
4.3.5 总结………………………………………………………………………………… 76
本节参考文献 ……………………………………………………………………………… 77
4.4 跨域推荐………………………………………………………………………………… 80
4.4.1 概述………………………………………………………………………………… 80
4.4.2 传统的跨域推荐方法……………………………………………………………… 82
4.4.3 基于对抗学习的跨域推荐方法…………………………………………………… 84
4.4.4 基于变分推断的跨域推荐方法…………………………………………………… 87
4.4.5 基于扩散模型的跨域推荐方法…………………………………………………… 91
4.4.6 基于大模型语义对齐与意图推理的跨域推荐方法……………………………… 97
4.4.7 总结 ……………………………………………………………………………… 101
本节参考文献……………………………………………………………………………… 102
4.5 基于会话的推荐 ……………………………………………………………………… 105
4.5.1 概述 ……………………………………………………………………………… 105
4.5.2 传统的会话推荐方法 …………………………………………………………… 106
4.5.3 基于循环神经网络的方法 ……………………………………………………… 108
4.5.4 基于注意力机制的方法 ………………………………………………………… 110
4.5.5 基于图神经网络的方法 ………………………………………………………… 112
4.5.6 基于对比学习的方法 …………………………………………………………… 114
4.5.7 总结 ……………………………………………………………………………… 116
本节参考文献……………………………………………………………………………… 116
4.6 捆绑包推荐 …………………………………………………………………………… 119
4.6.1 概述 ……………………………………………………………………………… 119
4.6.2 基于机器学习的捆绑包推荐方法 ……………………………………………… 120
4.6.3 基于图神经网络的捆绑包推荐方法 …………………………………………… 120
4.6.4 基于多视图建模的捆绑包推荐方法 …………………………………………… 122
4.6.5 总结 ……………………………………………………………………………… 126
本节参考文献……………………………………………………………………………… 126
第5章 推荐系统技术应用…………………………………………………………………… 128
5.1 基于强化学习的推荐 ………………………………………………………………… 128
5.1.1 概述 ……………………………………………………………………………… 128
5.1.2 基于模型的深度强化学习方法 ………………………………………………… 129
5.1.3 无模型的深度强化学习方法 …………………………………………………… 131
5.1.4 深度强化学习的新兴话题 ……………………………………………………… 134
5.1.5 总结 ……………………………………………………………………………… 136
本节参考文献……………………………………………………………………………… 136
5.2 基于知识图谱的推荐 ………………………………………………………………… 137
5.2.1 概述 ……………………………………………………………………………… 137
5.2.2 基于表征的知识图谱推荐系统 ………………………………………………… 138
5.2.3 基于链接的知识图谱推荐系统 ………………………………………………… 142
5.2.4 基于聚合的知识图谱推荐系统 ………………………………………………… 145
5.2.5 总结 ……………………………………………………………………………… 150
本节参考文献……………………………………………………………………………… 150
5.3 基于因果推断的推荐 ………………………………………………………………… 151
5.3.1 概述 ……………………………………………………………………………… 151
5.3.2 基于因果数据增强的推荐系统 ………………………………………………… 153
5.3.3 基于因果结构化建模的推荐系统 ……………………………………………… 157
5.3.4 基于因果推断纠偏的推荐系统 ………………………………………………… 161
5.3.5 总结 ……………………………………………………………………………… 164
本节参考文献……………………………………………………………………………… 165
5.4 基于语义意图的推荐 ………………………………………………………………… 166
5.4.1 概述 ……………………………………………………………………………… 166
5.4.2 基于分层语义意图的推荐系统 ………………………………………………… 169
5.4.3 基于混淆缓解语义的推荐系统 ………………………………………………… 173
5.4.4 总结 ……………………………………………………………………………… 176
本节参考文献……………………………………………………………………………… 177
5.5 基于大语言模型的推荐 ……………………………………………………………… 179
5.5.1 概述 ……………………………………………………………………………… 179
5.5.2 基于大语言模型特征增强的推荐系统 ………………………………………… 183
5.5.3 基于大语言模型的生成式推荐系统 …………………………………………… 188
5.5.4 基于大语言模型的智能体推荐系统 …………………………………………… 191
5.5.5 总结 ……………………………………………………………………………… 195
本节参考文献……………………………………………………………………………… 196