经过多年的发展，推荐系统已经在诸多领域获得了广泛的应用，为用户在信息海洋中护驾导航，取得了令人瞩目的成就。推荐系统在工业领域的应用推动了其在学术领域的研究进展，每年都有很多新的模型、算法、观点等相继提出，并且与工业应用之间的联系也越来越紧密。然而，推荐系统的快速发展也产生了一些问题，如新手往往难以深入地理解推荐系统的任务和问题，对众多的论文、算法和模型存在困惑。

《推荐系统进展：方法与技术》梳理了推荐系统的知识体系及其现实挑战，尤其是数据稀疏和冷启动两个重要问题，给出解决这些问题的思考方向和解决思路，从基础的基于用户与物品反馈的协同过滤，到基于上下文信息的情景感知模型，一步步深入剖析推荐系统模型的设计理念、建模方法和实验评估等。同时，本书介绍了领先的开源推荐算法库LibRec，能够更好地帮助读者了解推荐算法的实现原理和评估过程，快速试用和比较不同算法的推荐性能，也可方便读者基于LibRec框架便捷地实现自己的研究算法。本书适合推荐系统领域的研究人员和工程实现人员参考使用。

本书也得到了多位师长朋友的支持和推荐。在忙碌的工作之余，新加坡国立大学的何向南博士和上海交通大学的张伟楠博士还分别抽出时间阅览全书，指出多处不足并作序推荐。新加坡南洋理工大学的孙爱欣老师、美国罗格斯大学的张永锋老师，中国科学技术大学的刘淇老师和美团大脑负责人张富峥也都给予作者积极的评价。感谢各位老师朋友的付出和支持。

同时，也要感谢我的博士生导师——新加坡南洋理工大学的张杰教授，没有他的培养和指导，我不可能撰写出本书的研究内容。他严谨的治学风格、认真的工作态度，都是我学习效仿的楷模。同时，感谢东北大学和燕山大学的几位学生：陈子康、周洁、麻菁、张康和王伟，他们为本书的前期资料准备付出了很多辛苦和努力。最后，感谢我的家人，他们对我的写作工作给予了极大的理解和支持。

本书已经在JD上线，地址为：https://item.jd.com/12538650.html ，也可以点击左下角的【阅读原文】直接跳转到JD页面，拜谢大家。由于作者水平有限，书中不足之处在所难免，敬请广大读者批评指正。