本书的几位作者都在大型互联网公司从事与推荐系统相关的实践与研究，通过这本书，把推荐系统工作经验予以总结，以帮助想从事推荐系统的工作者或推荐系统爱好者。本书的内容设置由浅入深，从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者，还是有一定经验的从业人员，相信都能从本书的不同章节中有所收获。

区别于其他推荐算法书籍，本书引入了已被实践证明效果较好的深度学习推荐技术，包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用，并给出了相关的实践代码；除了在算法层面讲解推荐系统的实现，还从工程层面详细阐述推荐系统如何搭建。

????????????????????

本书的五位作者均曾就职于腾讯，分别在不同的部门从事与推荐系统相关的工作。

正是因为“推荐”，我们相识相知。我们不仅在工作中成为伙伴，在工作之余，我们也成

了非常好的朋友。在一次好友聊天中，我们萌生写作本书的想法，在之后半年的时间中，

我们各有分工，共同完成了本书的写作。可以说，这本书不仅是我们知识的沉淀，也是

我们友谊的见证。

推荐算法具有非常多的应用场景和巨大的商业价值。推荐算法种类很多，目前应用

最广泛的应该是基于协同过滤的推荐算法。在2016 年，随着阿尔法围棋（AlphaGo）大

放异彩，新的一波深度学习浪潮已至。在图像、音频处理等领域，深度学习技术已成为

当之无愧的王者；但在推荐领域，深度学习还处于发展阶段。同时，我们在平时工作学

习中，发现市面上并没有关于两者相结合的书籍，只能在国外论文中发现相关的方法与

应用。所以，我们决定以比较简单的表达方式，通过总结过往的推荐算法经验，将深度

学习相关的应用介绍给更多的读者。

为了适应具有不同知识储备的读者阅读，本书大致可分为四个部分。第1 至第3 章

为第一部分，主要介绍深度学习的基础知识。第4 至第5 章为第二部分，主要介绍了传

统的推荐算法及问题。第6 章为第三部分，进一步介绍深度学习推荐技术。第7 章为第

四部分，介绍了如何在线上实战搭建推荐系统。第三、第四部分是本书的重点，对于从

事算法的工作者，可以了解到深度学习技术与推荐算法的结合；对于从事工程的工作者，

可以汲取线上搭建推荐系统的经验。

在本书的写作过程中，得到了很多前辈同事的帮助，包括傅鸿城、李深远、刘黎春、

赵蕊、邱天宇等领导、同事都给予了很多宝贵意见和支持。没有他们的帮助，我们很难

完成本书的写作。

最后还要感谢我们的家人，在写作本书的过程中，我们几位作者占用了大量的家庭

时间，感谢他们的照顾和体谅。

本书的五位作者均曾就职于腾讯，分别在不同的部门从事与推荐系统相关的工作。

推荐算法具有非常多的应用场景和巨大的商业价值。推荐算法种类很多，目前应用最广泛的应该是基于协同过滤的推荐算法。在2016年，随着阿尔法围棋（AlphaGo）大放异彩，新的一波深度学习浪潮已至。在图像、音频处理等领域，深度学习技术已成为当之无愧的王者；但在推荐领域，深度学习还处于发展阶段。同时，我们在平时工作学习中，发现市面上并没有关于两者相结合的书籍，只能在国外论文中发现相关的方法与应用。所以，我们决定以比较简单的表达方式，通过总结过往的推荐算法经验，将深度学习相关的应用介绍给更多的读者。

黄昕