第 1章　緒論 001

1.1　無(wú)處不在的推薦系統(tǒng) 001

1.2　推薦系統(tǒng)的技術(shù)演變 003

1.3　大模型概述 005

1.4　大模型與推薦系統(tǒng)結(jié)合 006

第 2章　推薦系統(tǒng)基礎(chǔ) 009

2.1　基本推薦算法概覽 009

2.2　基于協(xié)同過(guò)濾的推薦方法 010

2.3　基于特征的推薦方法 018

2.4　基于序列的推薦方法 028

2.5　推薦系統(tǒng)的設(shè)計(jì)與構(gòu)建 033

第3章　大模型基礎(chǔ) 054

3.1　自然語(yǔ)言處理與語(yǔ)言模型 054

3.2　Transformer 060

3.3　大模型的構(gòu)建與應(yīng)用 072

第4章　大模型在推薦系統(tǒng)中的應(yīng)用 085

4.1　大模型與推薦系統(tǒng)的結(jié)合 085

4.2　大模型在推薦系統(tǒng)中的應(yīng)用范式 087

4.3　推薦大模型的預(yù)訓(xùn)練 093

4.4　推薦大模型的微調(diào) 100

4.5　常用的推薦數(shù)據(jù)集 106

第5章　大模型作為推薦模型 111

5.1　基于大模型的推薦召回 112

5.2　基于大模型的序列推薦 118

5.3　基于大模型的推薦排序 124

5.4　融合協(xié)同信息與語(yǔ)義知識(shí) 133

5.5　基于檢索增強(qiáng)的大模型推薦 137

第6章　大模型增強(qiáng)推薦系統(tǒng) 151

6.1　大模型構(gòu)建特征工程 151

6.2　大模型構(gòu)建圖 165

6.3　大模型增強(qiáng)冷啟動(dòng)推薦 175

6.4　基于大模型蒸餾的推薦 183

第7章　可信的大模型推薦系統(tǒng) 196

7.1　推薦系統(tǒng)的可解釋性 197

7.2　推薦系統(tǒng)的公平性 202

7.3　推薦系統(tǒng)的隱私性 207

7.4　推薦系統(tǒng)的時(shí)效性 214

7.5　推薦系統(tǒng)的遺忘 218

第8章　基于大模型智能代理的推薦系統(tǒng) 226

8.1　基于大模型的智能代理 226

8.2　推薦系統(tǒng)中的大模型智能代理 232

8.3　基于大模型智能代理的推薦系統(tǒng) 238

第9章　大模型推薦系統(tǒng)的評(píng)估與部署 248

9.1　大模型的評(píng)估方法 248

9.2　推薦系統(tǒng)的評(píng)估方法 252

9.3　大模型的部署 265

9.4　大模型的壓縮 272

9.5　基于LangChain搭建大模型推薦系統(tǒng) 277

第 10章　總結(jié)與展望 287

10.1　大模型是銀子彈嗎 288

10.2　開(kāi)放性問(wèn)題 289

10.3　關(guān)于大模型與推薦的60個(gè)問(wèn)題 290