推薦系統(tǒng)是一種對數(shù)據(jù)進行處理，并利用數(shù)據(jù)創(chuàng)造全新價值的數(shù)據(jù)挖掘方法。在新環(huán)境下，推薦系統(tǒng)的研究面臨推薦系統(tǒng)與深度學(xué)習(xí)無法有效的結(jié)合、虛假數(shù)據(jù)和數(shù)據(jù)不平衡、推薦系統(tǒng)的評價指標不完整等問題，為解決問題這些問題，本書提出了基于距離的embedding方法與深度學(xué)習(xí)模型進行結(jié)合，有效的提高推薦系統(tǒng)的效率；提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的虛假數(shù)據(jù)檢測和用戶真實意圖分析模型，從多個方面提高推薦系統(tǒng)的有效性和準確率；提出了一種新的評價標準：驚喜度，極大改善推薦的質(zhì)量。