来源书籍
智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)
章节与卡片
00
1 张卡片
- 三者共用一套技术骨架 理解等级:高级 普通读书笔记卡
01 第1章 概率统计与应用数学基础知识
12 张卡片
- 贝叶斯公式的三个部件 理解等级:高级 结构图卡
- 先分类型再选概率分布 理解等级:中级 普通读书笔记卡
- 期望方差协方差各答什么 理解等级:中级 普通读书笔记卡
- 矩阵的形状秩与可逆性 理解等级:中级 普通读书笔记卡
- Lp 范数的三种常用取值 理解等级:中级 普通读书笔记卡
- 特征分解给出伸缩方向 理解等级:高级 普通读书笔记卡
- 奇异值分解也能拆非方阵 理解等级:高级 普通读书笔记卡
- 梯度是局部最陡方向 理解等级:中级 普通读书笔记卡
- 最大似然选最可能的参数 理解等级:高级 结构图卡
- 隐马尔可夫模型的三组参数 理解等级:高级 结构图卡
- 信息熵:不确定性的比特数 理解等级:中级 普通读书笔记卡
- 熵族三个量各自的用途 理解等级:高级 普通读书笔记卡
02 第2章 搜索系统和推荐系统常识
11 张卡片
- 检索搜索与引擎的边界 理解等级:中级 普通读书笔记卡
- 搜索引擎的四个部件与两条节奏 理解等级:中级 结构图卡
- 相关性依据的三次更替 理解等级:高级 普通读书笔记卡
- 元搜索不建索引只调度 理解等级:中级 结构图卡
- 垂直搜索的差别不在范围 理解等级:高级 普通读书笔记卡
- 推荐的两个特征 理解等级:初级 普通读书笔记卡
- 三十年换的是瓶颈 理解等级:高级 普通读书笔记卡
- 三种推荐方法各自押了什么假设 理解等级:高级 普通读书笔记卡
- 混合推荐的两个层次 理解等级:高级 普通读书笔记卡
- 意图是否明确,决定了输入是什么 理解等级:高级 结构图卡
- 搜索求快走推荐求久留 理解等级:高级 普通读书笔记卡
03 第3章 知识图谱相关理论
18 张卡片
- 知识图谱的三要素 理解等级:初级 普通读书笔记卡
- 图谱把匹配变成推理 理解等级:中级 普通读书笔记卡
- 强下位关系是最可用的边 理解等级:中级 普通读书笔记卡
- 模式层与数据层谁先行 理解等级:中级 结构图卡
- 知识表示四代与RDF收敛 理解等级:高级 普通读书笔记卡
- NER四代技术各补了什么 理解等级:中级 结构图卡
- 实体识别就是序列标注 理解等级:中级 普通读书笔记卡
- CRF为什么适合序列标注 理解等级:高级 普通读书笔记卡
- 观测特征与转移特征分工 理解等级:中级 普通读书笔记卡
- 自动提特征后为何要CRF 理解等级:高级 结构图卡
- 关系抽取的写与学两条路 理解等级:中级 普通读书笔记卡
- 实体对齐的成对与协同 理解等级:中级 普通读书笔记卡
- 消歧与对齐不是一件事 理解等级:高级 普通读书笔记卡
- 知识推理的两种用法:补全与质检 理解等级:中级 普通读书笔记卡
- 硬规则软化成功率权重 理解等级:高级 普通读书笔记卡
- 归纳推理从图里挖规则 理解等级:中级 普通读书笔记卡
- 把推理变成向量打分 理解等级:中级 普通读书笔记卡
- 质量评估:众包投票在哪里失效 理解等级:中级 普通读书笔记卡
04 第4章 搜索系统框架及原理
22 张卡片
- 四组件与它们之间的回路 理解等级:中级 结构图卡
- 召回不足时退回扩展层 理解等级:高级 普通读书笔记卡
- 把自然语言压成检索要素 理解等级:中级 普通读书笔记卡
- 爬虫的一轮抓取循环 理解等级:中级 结构图卡
- 爬虫的四种类型与三条质量线 理解等级:初级 普通读书笔记卡
- 待抓URL的三种排序策略 理解等级:中级 普通读书笔记卡
- 网页更新策略:什么时候该重抓 理解等级:高级 普通读书笔记卡
- SimHash把文档压成指纹 理解等级:中级 结构图卡
- 倒排索引与前向索引的差别 理解等级:中级 普通读书笔记卡
- 用公共前缀换查询时间 理解等级:高级 普通读书笔记卡
- 查询预处理的三件事 理解等级:初级 操作参考卡
- 分词的英文特例与中文难题 理解等级:中级 普通读书笔记卡
- 中文分词的三类算法 理解等级:中级 普通读书笔记卡
- 查询建议从PV到点击建模 理解等级:高级 普通读书笔记卡
- 查询纠错:噪声信道与编辑距离 理解等级:高级 普通读书笔记卡
- 停用词、同义词与检索要素权重 理解等级:高级 普通读书笔记卡
- 意图识别的难点与精准/模糊之分 理解等级:中级 普通读书笔记卡
- 意图分类:标签体系与模型选型 理解等级:高级 普通读书笔记卡
- 层次聚类:合并规则决定聚类形状 理解等级:中级 普通读书笔记卡
- K 均值:硬聚类与 k 的选择 理解等级:中级 普通读书笔记卡
- LDA是三层贝叶斯模型 理解等级:高级 普通读书笔记卡
- 知识图谱为什么能改善搜索 理解等级:中级 普通读书笔记卡
05 第5章 搜索系统中的主要算法
16 张卡片
- 相关度是判断,不是文档的属性 理解等级:初级 普通读书笔记卡
- 布尔模型:能判匹配,不能排序 理解等级:中级 普通读书笔记卡
- 向量空间模型要回答的三个问题 理解等级:中级 普通读书笔记卡
- 用IDF压住常见词 理解等级:高级 普通读书笔记卡
- 余弦相似度:把文档长度除掉 理解等级:中级 普通读书笔记卡
- BIM:把“相关”写成概率比 理解等级:高级 普通读书笔记卡
- k1控饱和b控长度惩罚 理解等级:高级 普通读书笔记卡
- 查询似然等三条路线 理解等级:高级 普通读书笔记卡
- 排序学习:把人工拟合换成训练 理解等级:中级 普通读书笔记卡
- 三种排序学习范式的损失构造 理解等级:高级 普通读书笔记卡
- 线性打分再过Sigmoid 理解等级:高级 普通读书笔记卡
- Boosting与Bagging分工 理解等级:中级 普通读书笔记卡
- 全连接ReLU与梯度下降 理解等级:中级 普通读书笔记卡
- DSSM的双塔与softmax 理解等级:高级 结构图卡
- 自注意力到底怎么算 理解等级:中级 结构图卡
- 位置编码:给自注意力注入词序 理解等级:中级 普通读书笔记卡
06 第6章 搜索系统评价
10 张卡片
- 性能与效益两条评价线 理解等级:中级 结构图卡
- 响应时间的口径与影响因素 理解等级:中级 普通读书笔记卡
- 索引量是一根双向杠杆 理解等级:中级 结构图卡
- 四格表里的两个错误率 理解等级:中级 普通读书笔记卡
- 精确率与召回率怎么取舍 理解等级:高级 普通读书笔记卡
- F值为何用调和平均 理解等级:中级 普通读书笔记卡
- 只看前排的P@N与MRR 理解等级:中级 普通读书笔记卡
- MAP用插值压成一条曲线 理解等级:中级 普通读书笔记卡
- DCG:位置折损如何进入增益 理解等级:中级 普通读书笔记卡
- NDCG为何要除以IDCG 理解等级:高级 普通读书笔记卡
07 第7章 推荐系统框架及原理
16 张卡片
- 推荐系统的四层架构与组件职责 理解等级:中级 结构图卡
- 召回与排序:两阶段流水线 理解等级:中级 结构图卡
- 为人找信息还是为信息找人 理解等级:中级 普通读书笔记卡
- 探索与利用的权衡 理解等级:高级 普通读书笔记卡
- 冷启动的三种类型与五类对策 理解等级:中级 普通读书笔记卡
- 用户冷启动的三类信号 理解等级:中级 普通读书笔记卡
- 物品冷启动:内容属性的三种类型 理解等级:中级 普通读书笔记卡
- 专家标注建音乐基因 理解等级:中级 普通读书笔记卡
- 协同过滤的邻域选择与行列对偶 理解等级:中级 普通读书笔记卡
- 相似度度量与协同过滤的边界 理解等级:高级 普通读书笔记卡
- Word2Vec的两种训练模式 理解等级:中级 普通读书笔记卡
- 特征工程:基础特征与组合特征 理解等级:中级 普通读书笔记卡
- 特征预处理:五类问题与对应手段 理解等级:中级 操作参考卡
- 排序模型从LR到深度 理解等级:高级 普通读书笔记卡
- 知识图谱引入推荐的三种方式 理解等级:中级 结构图卡
- 知识图谱为什么能提升可解释性 理解等级:高级 普通读书笔记卡
08 第8章 推荐系统的主要算法
18 张卡片
- 近邻模型为什么改用低秩矩阵分解 理解等级:中级 普通读书笔记卡
- 推荐分数是两个向量内积 理解等级:中级 普通读书笔记卡
- 用隐式反馈补评分缺口 理解等级:高级 普通读书笔记卡
- ALS交替解与加权置信度 理解等级:高级 结构图卡
- BPR为什么用三元组样本 理解等级:高级 普通读书笔记卡
- 两个独立假设导出BPR目标 理解等级:高级 普通读书笔记卡
- 二阶交叉的维度爆炸 理解等级:中级 普通读书笔记卡
- FM用内积表达二阶交叉 理解等级:高级 普通读书笔记卡
- FFM用场做更细的交叉 理解等级:高级 普通读书笔记卡
- 决策树的三个分裂准则 理解等级:中级 普通读书笔记卡
- 前剪枝与后剪枝的分工 理解等级:高级 普通读书笔记卡
- GBDT 为什么拟合残差 理解等级:高级 结构图卡
- GBDT+LR的分层思路 理解等级:高级 结构图卡
- XGBoost为何加正则项 理解等级:高级 普通读书笔记卡
- LightGBM快的三个原因 理解等级:高级 普通读书笔记卡
- Wide&Deep的记忆与泛化 理解等级:高级 结构图卡
- FTRL与AdaGrad的差别 理解等级:高级 普通读书笔记卡
- DeepFM共享嵌入的两路 理解等级:高级 结构图卡
09 第9章 推荐系统的评价
13 张卡片
- 评估的第一把尺子:产品定位 理解等级:中级 普通读书笔记卡
- 评价体系为什么分成四个维度 理解等级:高级 结构图卡
- 惊喜新颖信任不是一回事 理解等级:中级 普通读书笔记卡
- 三种范式各自的准确度 理解等级:高级 普通读书笔记卡
- 评分误差指标的前提 理解等级:中级 普通读书笔记卡
- 位置敏感的MAP与MRR 理解等级:中级 普通读书笔记卡
- AUC为何不受样本比例影响 理解等级:高级 普通读书笔记卡
- 离线评估算不出商业结果 理解等级:中级 结构图卡
- 多样性的列表内与列表间 理解等级:中级 普通读书笔记卡
- A/B实验为何与离线背离 理解等级:高级 普通读书笔记卡
- 交错实验把样本需求降百倍 理解等级:高级 普通读书笔记卡
- 主观评估:用户调查补的是哪一段 理解等级:中级 普通读书笔记卡
- 用户调查的两个偏差 理解等级:高级 普通读书笔记卡
10 第10章 搜索引擎工具
12 张卡片
- 把文档变成可定位索引 理解等级:中级 普通读书笔记卡
- 段为什么写入后不可变 理解等级:高级 普通读书笔记卡
- 建索引的四步流水线 理解等级:中级 结构图卡
- 一次查询走过的四个阶段 理解等级:中级 结构图卡
- 从词到文档的查找链 理解等级:高级 普通读书笔记卡
- Solr把Lucene包成平台 理解等级:中级 普通读书笔记卡
- Schema决定了什么 理解等级:中级 操作参考卡
- 集群协调交给Zookeeper 理解等级:中级 普通读书笔记卡
- 近实时靠的是刷新 理解等级:高级 普通读书笔记卡
- 主分片数为什么不能改 理解等级:高级 普通读书笔记卡
- 选主、假死与脑裂 理解等级:高级 普通读书笔记卡
- 三个工具的定位差异 理解等级:高级 普通读书笔记卡
11 第11章 搜索应用实战:基于电商的搜索开发
10 张卡片
- 准与全落在同一个转化率 理解等级:高级 普通读书笔记卡
- 分片数是效率与吞吐的取舍 理解等级:中级 结构图卡
- 查询快慢看索引在不在堆外 理解等级:高级 操作参考卡
- 把输入翻译成可检索意图 理解等级:中级 普通读书笔记卡
- 长尾查询让两种方法失效 理解等级:高级 问题卡
- 画像切分看区分度与时效 理解等级:高级 普通读书笔记卡
- 选排序模型先看延迟预算 理解等级:中级 普通读书笔记卡
- 离线评单目标线上评多目标 理解等级:高级 普通读书笔记卡
- 深度学习改的是输入与特征 理解等级:中级 普通读书笔记卡
- 商业策略介入排序的两种强度 理解等级:高级 普通读书笔记卡
12 第12章 推荐应用实战:基于广告的推荐
10 张卡片
- 广告为什么不只优化点击 理解等级:中级 普通读书笔记卡
- DSP广告系统的五个模块 理解等级:中级 结构图卡
- 广告冷启动的两条路 理解等级:中级 普通读书笔记卡
- 广告召回的三条通路 理解等级:中级 普通读书笔记卡
- 为什么用 ES 承载推荐召回 理解等级:中级 普通读书笔记卡
- 从分词到图谱的查询重写 理解等级:中级 普通读书笔记卡
- 粗排与精排的分工由算力预算决定 理解等级:高级 结构图卡
- CTR预估为何决定扣费 理解等级:高级 普通读书笔记卡
- 三层评估各管什么 理解等级:中级 普通读书笔记卡
- CTR模型从特征走向模型 理解等级:高级 普通读书笔记卡
全书概览
智能搜索和推荐系统:原理、算法与应用
评级:工程实践(信息浓度高 × 稳定性中)
评级理由:这本书的价值不在算法清单,而在判断链条:相关度是用户判断而非文档属性,所以检索模型构造的全是代理指标;召回决定候选天花板,排序只能在候选内优化;离线指标与线上收益会结构性背离,因为两者优化的目标不同。这些结论来自机制约束,换个技术栈仍然成立,属于可以长期迁移的部分。BM25 的 k1 为何让词频收益封顶、主分片数为何一旦确定不能改、BIM 为何能推出 RSJ 权重,都是把「为什么」讲到位的段落。
稳定性要打折的地方同样明确:第10章的工具细节(Lucene 段合并策略、Solr 与 ES 的默认配置、Zookeeper 在 ES 7 之后的角色变化)随版本变化;第11、12章的实战参数(分片数、超时、画像切分粒度)依赖具体业务体量;深度模型讲到 DSSM、Wide & Deep、DeepFM 与阿里 MLR→GWEN→DIN/DIEN 为止,之后的自注意力召回与预训练语言模型没有覆盖。因此按四象限记为「工程实践」而不是「经典原理」:原理部分耐久,工具与实战部分需要按当前版本核对。
执行模式:light
建档进度:done
全文阅读:spine 164 项;实质正文 13 项(前言 + 第1–12章,合计 171,821 个非空白字符),按 Go nodeText + Fields 归一化口径逐项完整读取;非正文 9 项逐项排除(见下表)。
整书笔记:_book_note.md
覆盖记录:_coverage.md
工作流交接:_workflow.md
章节进度追踪表
| 章节号 | 章节标题 | 状态 | 卡片数 |
|---|---|---|---|
| 00 | 前言 | done | 1 |
| 01 | 第1章 概率统计与应用数学基础知识 | done | 12 |
| 02 | 第2章 搜索系统和推荐系统常识 | done | 11 |
| 03 | 第3章 知识图谱相关理论 | done | 18 |
| 04 | 第4章 搜索系统框架及原理 | done | 22 |
| 05 | 第5章 搜索系统中的主要算法 | done | 16 |
| 06 | 第6章 搜索系统评价 | done | 10 |
| 07 | 第7章 推荐系统框架及原理 | done | 16 |
| 08 | 第8章 推荐系统的主要算法 | done | 18 |
| 09 | 第9章 推荐系统的评价 | done | 13 |
| 10 | 第10章 搜索引擎工具 | done | 12 |
| 11 | 第11章 搜索应用实战:基于电商的搜索开发 | done | 10 |
| 12 | 第12章 推荐应用实战:基于广告的推荐 | done | 10 |
非正文排除
| spine项 | 类型 | 排除理由 |
|---|---|---|
titlepage.xhtml |
封面 | 仅封面图,正文 5 个字符 |
text/part0000.html |
版权信息 | 丛书名、书名、作者、ISBN、出版与发行方、客服信息,无论述 |
text/part0001.html |
目录 | 全书目录条目,与各章标题重复,无独立内容 |
text/part0002.html |
推荐序一 | 张俊林所作推荐序,非作者正文 |
text/part0003.html |
推荐序二 | 第三方推荐序,非作者正文 |
text/part0005.html |
部扉页 | 仅「第一部分 搜索和推荐系统的基础」及所辖章名 |
text/part0053.html |
部扉页 | 仅「第二部分 搜索系统的基本原理」及所辖章名 |
text/part0088.html |
部扉页 | 仅「第三部分 推荐系统的基本原理」及所辖章名 |
text/part0130.html |
部扉页 | 仅「第四部分 应用」及所辖章名 |
待关联术语
| 术语名 | 出现章节 | 一句话语境 |
|---|---|---|
| BERT | 第3章 | 作为 NER 第四代技术的代表被一句带过(「BERT 模型提高 NER 识别率」),未展开预训练与微调机制 |
| DIN | 第12章 | 阿里 CTR 模型演进链(MLR→GWEN→DIN/DIEN)中的一环,仅说明其捕捉兴趣多样性,未展开注意力结构 |
| DIEN | 第12章 | 同上,与 DIN 并列提及,未单独解释 |
| PageRank | 第4章 | 提及「非完全 PageRank」用于待抓 URL 排序,未解释 PageRank 本身的随机游走与收敛 |
引用文献
| 标题 | 类型 | 出现章节 | 一句话语境 |
|---|---|---|---|
| 《这就是搜索引擎:核心技术详解》(张俊林) | 书 | 前言 | 作者说明该书是张俊林的学习笔记,由此萌生把自己工作笔记整理成书的想法;未介绍书的内容 |
资金安全问题案例
| 问题标题 | 问题卡 | 解决方案卡(如有) | 出现章节 | 一句话说明 |
|---|---|---|---|---|
| — | — | — | — | 本书不涉及资金安全主题(广告计费仅在 CTR 与排序关系处提及,无并发或幂等案例) |
实践卡进度
| 序号 | 实践标题 | 实践方式 | 状态 | 关联章节 | 产出 |
|---|---|---|---|---|---|
| 1 | BM25 参数与排序敏感度 | 最小实验 | done | 第5章 | ideas/idea-001-BM25参数与排序敏感度.md |
| 2 | 三类检索模型横向对照 | 横向学习 | done | 第5章 | ideas/idea-002-三类检索模型横向对照.md |
| 3 | 召回排序链路审计 | 真实任务 | done | 第7章 | ideas/idea-003-召回排序链路审计.md |
| 4 | 排序改版的评估方案 | 决策实践 | done | 第6章 | ideas/idea-004-排序改版的评估方案.md |
实践候选筛选:done
优先执行:第 1 张(BM25 参数敏感度)成本最低,几十条文档加十来个查询即可跑出对照,能直接把「k1 饱和」从公式变成手感;第 3 张(链路审计)对自己手上的系统收益最大,一次梳理就能暴露「召回漏掉的分支」。
未采用候选与原因:第10章的「Lucene 段合并策略实测」(需要构造持续写入并观察段数量与查询延迟,个人环境难以复现生产规模,结论不可迁移)、第12章的「粗排截断比例实验」(需要真实广告流量与计费数据,涉及商业数据不可获取)、第3章的「NER 模型复现」(原文只给模型谱系与适用场景,没有可复现的数据集与超参,复现等于自选配置,无法验证书中结论)。
相关主题
从本书的主题进入跨书阅读,对照其他书籍的讲解。下方数量包含主题关联的全部卡片与书籍。
暂无公开主题。