0人評分過此書
個性化推薦能夠根據用戶的歷史行為顯式或者隱式地挖掘用戶潛在的興趣和需求，並為其推送個性化信息，因此受到研究者的追捧及工業界的青睞，其研究具有重大的學術價值及商業應用價值，已廣泛應用於大型電子商務平臺、社交平臺、新聞客戶端以及其他各類旅遊和娛樂類網站中。 本書內容豐富，較全面地介紹了基於協同過濾的推薦系統存在的問題、解決方法和評估策略，主要內容涉及協同過濾推薦算法中的時序技術、矩陣分解技術和社交網絡信任技術等知識。 本書可供從事推薦系統、人工智能、機器學習、模式識別和信息檢索等領域的科研人員及研究生閱讀、參考。
- 封面页
- 书名页
- 版权页
- 内容简介
- 作者简介
- 前言 PREFACE
- 目录
-
第一篇 基础理论
-
第1章 理论入门
-
1.1 引言
-
1.2 推荐系统的形式化定义
-
1.3 基于近邻的协同过滤推荐算法
-
1.4 基于用户兴趣的推荐算法
-
1.5 基于模型的协同过滤推荐算法
-
1.6 基于信任的协同过滤推荐算法
-
1.7 推荐系统现存问题
-
1.8 评测指标
-
本章小结
-
参考文献
-
-
-
第二篇 基于时序的协同过滤推荐算法
-
第2章 基于巴式系数改进相似度的协同过滤推荐算法
-
2.1 引言
-
2.2 相关工作
-
2.3 一种巴氏系数改进相似度的协同过滤推荐算法
-
2.4 实验与分析
-
本章小结
-
参考文献
-
-
第3章 基于用户兴趣和项目属性的协同过滤推荐算法
-
3.1 引言
-
3.2 相关工作
-
3.3 基于用户兴趣和项目属性的协同过滤推荐算法
-
3.4 实验结果与分析
-
本章小结
-
参考文献
-
-
-
第三篇 基于矩阵分解的协同过滤推荐算法
-
第4章 SVD和信任因子相结合的协同过滤推荐算法
-
4.1 引言
-
4.2 标注和相关工作
-
4.3 SVD和信任因子相结合的协同过滤推荐算法
-
4.4 实验结果与分析
-
本章小结
-
参考文献
-
-
第5章 相似度填充的概率矩阵分解的协同过滤推荐算法
-
5.1 引言
-
5.2 相关工作
-
5.3 CF-PFCF算法
-
5.4 实验分析
-
本章小结
-
参考文献
-
-
第6章 基于偏置信息的改进概率矩阵分解算法研究
-
6.1 引言
-
6.2 相关工作
-
6.3 算法流程
-
6.4 实验分析
-
本章小结
-
参考文献
-
-
第7章 基于项目属性改进概率矩阵分解算法
-
7.1 引言
-
7.2 IAR-BP算法
-
7.3 实验结果对比分析
-
本章小结
-
参考文献
-
-
第8章 基于交替最小二乘的改进概率矩阵分解算法
-
8.1 引言
-
8.2 交替最小二乘
-
8.3 Baseline预测
-
8.4 IPMF算法
-
8.5 实验结果分析
-
本章小结
-
参考文献
-
-
第9章 基于社交网络的改进概率矩阵分解算法研究
-
9.1 引言
-
9.2 相关工作
-
9.3 概率矩阵分解
-
9.4 主要研究内容
-
9.5 实验分析
-
本章小结
-
参考文献
-
-
第10章 带偏置的非负矩阵分解推荐算法
-
10.1 引言
-
10.2 相关工作
-
10.3 RBNMF算法
-
10.4 实验分析
-
本章小结
-
参考文献
-
-
第11章 基于项目热度的协同过滤推荐算法
-
11.1 引言
-
11.2 非负矩阵分解
-
11.3 两阶段近邻选择
-
11.4 算法描述
-
11.5 实验结果分析
-
本章小结
-
参考文献
-
-
-
第四篇 基于信任的协同过滤推荐算法
-
第12章 带偏置的专家信任推荐算法
-
12.1 引言
-
12.2 相关工作
-
12.3 改进专家算法
-
12.4 实验结果与分析
-
本章小结
-
参考文献
-
-
第13章 一种改进专家信任的协同过滤推荐算法
-
13.1 引言
-
13.2 标注与相关工作
-
13.3 改进专家算法
-
13.4 实验结果与分析
-
本章小结
-
参考文献
-
-
-
第五篇 原型系统开发
-
第14章 电影推荐原型系统
-
14.1 引言
-
14.2 主要功能
-
14.3 关键技术
-
14.4 集群搭建
-
14.5 系统特点
-
14.6 用户使用说明
-
参考文献
-
-
- 出版地 ： 中國大陸
- 語言 ： 簡體中文
評分與評論
請登入後再留言與評分
PDF
PDF
EPUB
EPUB
EPUB
