满3件包邮 推荐系统：技术、评估及高效算法 机械
| 商品基本信息,请以下列介绍为准 | |
| 商品名称： | 推荐系统：技术、评估及高效算法 |
| 作者： | ［美］ 弗朗西斯科·里奇 等 著作 李艳民等 译者 著 [译者]李艳民//胡聪//吴宾//王雪丽//丁彬钊 译 |
| 译者： | 李艳民//胡聪//吴宾//王雪丽//丁彬钊 |
| 市场价： | (咨询特价) |
| ISBN号： | (咨询特价) |
| 出版社： | 机械工业出版社 |
| 商品类型： | 图书 |
| 其他参考信息（以实物为准） | ||
| 装帧：平装 | 开本：16开 | 语种：中文 |
| 出版时间：(咨询特价)-01 | 版次：1 | 页数：561 |
| 印刷时间：(咨询特价)-01 | 印次：1 | 字数： |
| 目录 | |
| 目 录Recommender Systems Handbook 出版者的话 推荐序一 推荐序二 译者序 前言 第1章 概述1 1.1 简介1 1.2 推荐系统的功能3 1.3 数据和知识资源5 1.4 推荐技术7 1.5 应用与评价10 1.6 推荐系统与人机交互12 1.6.1 信任、解释和说服力13 1.6.2 会话系统13 1.6.3 可视化14 1.7 推荐系统是个交叉学科领域15 1.8 出现的问题和挑战16 1.8.1 本书对出现的问题的讨论16 1.8.2 挑战18 参考文献20 第一部分 基础技术 第2章 推荐系统中的数据挖掘方法28 2.1 简介28 2.2 数据预处理29 2.2.1 相似度度量方法29 2.2.2 抽样30 2.2.3 降维31 2.2.4 去噪33 2.3 分类34 2.3.1 X近邻34 2.3.2 决策树35 2.3.3 基于规则的分类36 2.3.4 贝叶斯分类器36 2.3.5 人工神经网络38 2.3.6 支持向量机39 2.3.7 分类器的集成40 2.3.8 评估分类器41 2.4 聚类分析42 2.4.1 k-means43 2.4.2 改进的k-means44 2.5 关联规则挖掘44 2.6 总结46 致谢47 参考文献47 第3章 基于内容的推荐系统：前沿和趋势51 3.1 简介51 3.2 基于内容的推荐系统的基础52 3.2.1 基于内容的推荐系统的高层次结构52 3.2.2 基于内容过滤的优缺点54 3.3 基于内容的推荐系统的现状55 3.3.1 物品表示56 3.3.2 学习用户特征的方法62 3.4 趋势和未来研究65 3.4.1 推荐过程中用户产生内容的作用65 3.4.2 超越特化：惊喜度66 3.5 总结68 参考文献68 第4章 基于近邻推荐方法综述74 4.1 简介74 4.1.1 问题公式化定义75 4.1.2 推荐方法概要76 4.1.3 基于近邻方法的优势77 4.1.4 目标和概要78 4.2 基于近邻推荐78 4.2.1 基于用户评分79 4.2.2 基于用户分类80 4.2.3 回归与分类80 4.2.4 基于物品推荐81 4.2.5 基于用户和基于物品推荐的对比81 4.3 近邻方法的要素83 4.3.1 评分标准化83 4.3.2 相似度权重计算85 4.3.3 近邻的选择89 4.4 高级进阶技术90 4.4.1 降维方法90 4.4.2 基于图方法92 4.5 总结95 参考文献96 第5章 协同过滤算法的高级课题100 5.1 简介100 5.2 预备知识101 5.2.1 基准预测102 5.2.2 Netflix数据103 5.2.3 隐式反馈103 5.3 因子分解模型104 5.3.1 SVD104 5.3.2 SVD++105 5.3.3 时间敏感的因子模型106 5.3.4 比较111 5.3.5 总结112 5.4 基于邻域的模型112 5.4.1 相似度度量113 5.4.2 基于相似度的插值113 5.4.3 联合派生插值权重115 5.4.4 总结117 5.5 增强的基于邻域的模型117 5.5.1 全局化的邻域模型118 5.5.2 因式分解的邻域模型122 5.5.3 基于邻域的模型的动态时序126 5.5.4 总结127 5.6 基于邻域的模型和因子分解模型的比较127 参考文献129 第6章 开发基于约束的推荐系统131 6.1 ...... |
| 内容简介 | |
| 本书可分成五部分，共25章。第1章是概述，系统介绍推荐系统的概念、功能、应用领域以及当前应用过程中遇到的问题与挑战。第一部分（第2～7章）介绍当前构建推荐系统X普遍使用的技术，如协同过滤、基于内容的数据挖掘的方法、上下文相关的方法等。第二部分（第8～12章）概述已用于评价推荐质量的技术和方法，涉及推荐系统设计与实践方面；描述设计和实施推荐系统的注意事项；为选择更合适的算法提供准则，另外评估用于开发推荐系统的方法、挑战和评测指标。第三部分（第13～17章）讨论推荐系统如何呈现、浏览、解释和可视化等若干问题，这一部分讨论的技术使推荐过程更加结构化以及具有可交互性。第四部分（第18～21章）讨论利用各类用户生成内容（UGC,如标签、搜索查询、信任评价等）产生类型新颖且更可信的推荐结果。第五部分（第22～25章）讨论推荐系统的高级课题，如探索用主动学习的原则来指导获取新知识；防止推荐系统受恶意用户攻击的合适技术；如何整合多种类型的用户反馈以及用户偏好信息来构造更可靠的推荐系统。 |
热门设计服务
浙公网安备 33011002014641号