个性化推荐技术已经成为互联网应用的基础技术之一，它广泛应用于电子商务、搜索引擎、社会网络、新闻阅读等互联网服务中，成为用户获得信息的重要途径之一。本文以个性化推荐的可解释性为主题，在数据、模型和经济效益三个层面上展开探讨。在数据上，个性化推荐的评分矩阵可以等价描述为用户-物品二部图上的社区发现结构；在模型上，个性化算法可以给出与推荐模型紧密相关的个性化推荐理由；在经济效益上，个性化推荐可以作为互联网商品服务资源分配的基本手段，实现互联网社会福利的最大化，从而提高互联网经济系统的效益。

“清华大学优秀博士学位论文丛书”（以下简称“优博丛书”）精选自2014年以来入选的清华大学校级优秀博士学位论文（Top 5%）。每篇论文经作者进一步修改、充实并增加导师序言后，以专著形式呈现在读者面前。“优博丛书”选题范围涉及自然科学和人文社会科学各主要领域，覆盖清华大学开设的全部一级学科，代表了清华大学各学科最优秀的博士学位论文的水平，反映了相关领域最新的科研进展，具有较强的前沿性、系统性和可读性，是广大博硕士研究生开题及撰写学位论文的必备参考，也是科研人员快速和系统了解某一细分领域发展概况、最新进展以及创新思路的有效途径。

个性化推荐技术已经成为互联网应用的基础技术之一，它广泛应用于电子商务、搜索引擎、社会网络、新闻阅读等互联网服务中，成为用户获得信息的重要途径之一。通过个性化推荐，用户可以更为便捷地访问自己可能感兴趣的物品，从而获得更好的体验。 一直以来，个性化推荐的研究主要集中在如何为用户给出恰当的推荐结果，而较少关注为什么算法会给出这样的结果，因此难以向用户给出具有说服力的、与算法一致的推荐理由。这就自然地引出了个性化推荐系统的可解释性问题。通过理解为什么系统会给出特定的推荐，就能在为用户提供个性化推荐理由的同时，提高系统和算法的透明度、可靠性、有效性，并最终提高用户的满意度。 本书以个性化推荐的可解释性这一新的研究课题为主线，在数据、模型和经济效益三个层面上展开了深入的探讨。在数据上，个性化推荐的评分矩阵可以等价描述为用户 -物品二部图上的社区发现结构；在模型上，个性化算法可以给出与推荐模型紧密相关的个性化推荐理由；在经济效益上，个性化推荐可以作为互联网商品服务资源分配的基本手段，实现互联网社会福利的最大化，从而提高互联网经济系统的效益。 因此，本书不仅仅是张永锋博士学位论文工作中精华的整理，同时还为我们揭示了一个新的、有趣的、有挑战性又具有可行性的研究课题：融合经济学与计算机科学的个性化推荐。随着互联网经济系统的迅速发展，个性化推荐系统不再仅仅为用户提供感兴趣的商品或服务推荐，而更是网络资源分配的基本手段之一。经济学是一个古老的研究课题，数个世纪以来已经积累了成熟的研究成果和理论，而计算机科学相对而言是一个新兴且快速发展的学科，并在方方面面深入影响着我们的日常生活，在互联网领域尤其...