本书在介绍推荐系统技术原理的基础上，主要讲解了推荐系统的定义、发展历程、理论和数学基础，以及常用推荐系统技术、典型算法和评测指标等，还结合多种应用场景重点介绍了已经得到有效应用的推荐系统分析预测模型和系统研发实现方法，有助于读者提升相关领域推荐系统应用的实践能力。本书可作为计算机科学与技术、软件工程、数据科学、大数据技术、人工智能等专业的高年级本科生和研究生的相关课程教材，也可供从事推荐系统、数据挖掘、信息处理等研发工作的相关人员阅读参考。

前言
第1章 认识推荐系统
1.1 推荐系统是什么
1.2 推荐系统发展历程
1.3 推荐系统的应用及意义
1.4 推荐系统如何评价
1.5 推荐系统典型应用场景
第2章 推荐系统原理基础
2.1 推荐系统的理论基础
2.2 推荐系统的数学基础
第3章 推荐系统技术方法
3.1 基于领域推荐
3.2 基于内容推荐
3.3 协同过滤推荐
3.4 基于关联规则推荐
3.5 基于知识推荐
3.6 组合推荐
3.7 基于效用推荐
第4章 推荐系统典型算法
4.1 协同过滤算法
4.2 矩阵分解算法
4.3 基于关联规则的推荐算法
第5章 推荐系统评测
5.1 基本评测方法
5.2 评测指标
5.3 评测维度
5.4 评测数据集
第6章 推荐系统应用开发
6.1 多维度的商品推荐系统
6.2 基于舒适度模型的智慧旅游推荐系统
第7章 推荐系统算法模型设计
7.1 基于用户偏好分析和预测的推荐算法模型
7.2 基于多层关联规则的个性化推荐算法模型
7.3 基于上下文和关联规则的多维度推荐算法模型
参考文献