推荐系统的入门指南里，《Recommender Systems Handbook》算是比较经典的一本。内容覆盖挺全的，从协同过滤、矩阵分解讲到上下文感知推荐，理论基础也扎实。更难得的是，它还配了不少实际案例，比如商品推荐、电影推荐那种，读起来不会太抽象。
推荐系统的基础架构、算法流程，在书里都讲得挺细的。尤其适合你对推荐算法有点了解，但还想继续深挖的阶段。比如你平时用 Python 写点 推荐脚本，看到书里的实现细节，肯定有种“哦，原来我之前写的逻辑还能这么优化”的感觉。
书里也有不少和 数据挖掘 相关的内容，比如怎么从用户行为数据里挖出偏好模式，怎么冷启动问题这些。理论和实践结合得还蛮自然的，不会光讲概念不接地气。
你要是正好在搭建推荐系统，这几个相关资源也值得一看：
- 推荐系统数据挖掘课题，补补数据那块
- 实用推荐系统，一些真实场景的实现方式
- 基于 Spark 的推荐系统，适合你搞分布式部署
- Douban 推荐系统训练数据集，可以拿来练练手
如果你平时写的项目偏向 电商 或 位置推荐（比如 POI），还有一些更针对性的资料可以看看，像POI 推荐系统详解 和 Spark 电商推荐系统。资源还挺丰富的，选你当前最需要的就行。
提醒一下哈，理论再多也不如自己动手试试。你可以先把书里提到的一个算法用 pandas 和 scikit-learn 跑一遍，数据不多的话直接用 Jupyter Notebook，响应快，调试方便。