推荐系统是一种对数据进行处理，并利用数据创造全新价值的数据挖掘方法。在新环境下，推荐系统的研究面临推荐系统与深度学习无法有效的结合、虚假数据和数据不平衡、推荐系统的评价指标不完整等问题，为解决问题这些问题，本书提出了基于距离的embedding方法与深度学习模型进行结合，有效的提高推荐系统的效率；提出了一种基于卷积神经网络的虚假数据检测和用户真实意图分析模型，从多个方面提高推荐系统的有效性和准确率；提出了一种新的评价标准：惊喜度，极大改善推荐的质量。