推薦系統進展:方法與技術--詳細介紹

圖書搜索
幫助
熱門圖書
EDA技術實用教程——V...
平面設計基礎(第二版)
內蒙古大興安嶺汗馬國家級...
基于深度學習的醫學圖像數...
管理學基礎
汽車維護實訓指導
食品理化檢驗技術
推薦系統進展:方法與技術
機電設備基本電路裝接與調...
數控車削操作與實訓
中國中西部南北旅游大通道...
學前兒童區域游戲經典案例
基于評估的智障學生職業教...
成本核算與管理
體能和形體訓練(下)
C語言程序設計實驗指導與...
電子技術基礎與實訓教程
機電設備操作
計算機公共基礎與MS O...
建筑裝飾工程施工組織與管...
財經法規與會計職業道德
調頻阻尼減震結構理論與設...
[ 本科及研究生教材 ]
    [ 信息技術,電子 ]
        [ 信息技術,電子 ]
    [ 經濟管理 ]
        [ 經濟管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 機械,制造 ]
        [ 機械,制造 ]
    [ 公共課 ]
        [ 公共課 ]
[ 高職高專教材 ]
    [ 信息技術,電子 ]
        [ 信息技術,電子 ]
    [ 經濟管理 ]
        [ 經濟管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 機械,制造 ]
        [ 機械,制造 ]
    [ 農林環境 ]
        [ 農林環境 ]
    [ 公共課 ]
        [ 公共課 ]
[ 中職中專教材 ]
    [ 信息技術,電子 ]
        [ 信息技術,電子 ]
    [ 經濟管理 ]
        [ 經濟管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 機械,制造 ]
        [ 機械,制造 ]
    [ 公共課 ]
        [ 公共課 ]
[ 店銷書,專著 ]
    [ 信息技術,電子 ]
        [ 信息技術,電子 ]
    [ 經濟管理 ]
        [ 經濟管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 機械,制造 ]
        [ 機械,制造 ]
    [ 農林環境 ]
        [ 農林環境 ]
    [ 其他 ]
        [ 其他 ]
 當前位置:店銷書,專著 信息技術,電子 信息技術,電子 信息技術,電子 推薦系統進展:方法與技術
   
推薦系統進展:方法與技術
作者:郭貴冰,
書名:推薦系統進展:方法與技術
定價:¥ 98 元
光盤: 
叢書名:  
免費資源下載:
本書PPT下載:
目錄和樣章下載: 樣章下載地址
開本: 16K
標準書號: 978-7-03-058596-7
字數(千): 385
頁數: 264
出版日期: 2019-1-23
發行號: TP-8066.0101
裝幀: 平裝
點擊熱度: 5212
最新印刷日期:    
 
編輯推薦
...........................................................................................................................................
 
獲獎情況
...........................................................................................................................................
 
圖書介紹
...........................................................................................................................................
  本書梳理了推薦系統的知識體系及其現實挑戰,尤其是數據稀疏和冷啟動兩個重要問題,給出解決這些問題的思考方向和解決思路,從基礎的基于用戶與物品反饋的協同過濾,到基于上下文信息的情景感知模型,一步步深入剖析推薦系統模型的設計理念、建模方法和實驗評估等。同時,本書介紹了領先的開源推薦算法庫LibRec,能夠更好地幫助讀者了解推薦算法的實現原理和評估過程,快速試用和比較不同算法的推薦性能,也可方便讀者基于LibRec框架便捷地實現自己的研究算法。
  本書適合推薦系統領域的研究人員和工程實現人員參考使用。
 
前言
...........................................................................................................................................
  經過多年的發展,推薦系統已經在諸多領域獲得了廣泛的應用,為用戶在信息海洋中護駕導航,取得了令人矚目的成就。推薦系統在工業領域的應用推動了其在學術領域的研究進展,每年都有很多新的模型、算法、觀點等相繼提出,并且與工業應用之間的聯系也越來越緊密。然而,推薦系統的快速發展也產生了一些問題,如新手往往難以深入地理解推薦系統的任務和問題,對眾多的論文、算法和模型存在困惑。
  本書致力于幫助讀者梳理推薦系統的知識體系及其現實挑戰。本書針對推薦系統在數據端的兩個嚴峻挑戰,即數據稀疏和冷啟動問題,探討多種不同的解決方案和研究路線,并詳細介紹相關的研究工作及其進展。具體來說,本書主要內容如下:
  第1章簡要給出推薦系統的定義和價值;總結推薦系統在數據端、模型端和評估端的主要痛點和挑戰,尤其是本書重點關注的數據稀疏和冷啟動問題;概述了LibRec開源推薦算法庫的發展、基本架構和安裝使用。
  第2章闡述傳統協同過濾算法的改進思路,包括更好地挖掘現有評分數據的價值,引導用戶給出更多的評分數據,以及合理有效地使用多維度的評分反饋數據等,期望這些工作能夠從根本上解決或緩解數據稀疏和冷啟動的問題。
  第3章引入用戶之間的社交關系以增強傳統的推薦系統,即通過融合額外的用戶數據來解決本書所關注的兩個問題。本章提出了三種不同的社會化推薦算法,包括基于內存的算法、基于聚類的算法和基于矩陣分解的算法。
  第4章關注信任的多因子屬性和隱式信任的推斷等問題,是對第3章使用顯式信任的有效補充。具體來說,本章提出了多個隱式信任的建模方法(包括信任和不信任關系),并討論了隱式信任對推薦性能的影響。從用戶的行為反饋推斷出潛在的社交信任,可以有效地擴展社會化推薦算法的應用領域及推薦性能。
  第5章融合其他類型的輔助信息,以便更好地學習用戶偏好。輔助信息包括物品的類別、用戶的評論、地理位置、時間等。本章分析了不同類型的輔助信息及其特征,并在設計具體的推薦算法時給予充分的考慮和利用。
  此外,為了更好地跟進推薦系統的技術進展,建議讀者關注LibRec微信公眾號“LibRec智能推薦”。該公眾號涉及諸多的推薦系統內容,包括LibRec算法庫的使用介紹、推薦算法的詳細闡述、推薦系統會議的內容總結、每周的推薦系統領域進展和論文等。
  本書既適用于推薦系統領域的新手,可以幫助其快速了解關注要點,理解算法的設計思路,掌握算法的實現原理和評估方法等;又適用于在推薦系統領域有一定開發基礎的熟手,可以幫助其了解相關研究領域的技術和最新進展,深入而全面地理解推薦模型的核心觀點,啟發新的解決思路。
  從現有的研究工作中整理出本書的內容,對作者而言是很有挑戰性的工作。首先,需要確保推薦術語的準確性。盡管作者已經參與了《推薦系統:技術、評估及高效算法(第二版)》的翻譯工作,有一定的編寫經驗,但在撰寫本書的過程中,仍然需要花費精力以確保推薦系統相關術語的準確性和一致性。其次,作者日常工作繁忙,這些工作不但包括日常的教學任務和科研工作,還包括LibRec項目的開發進展、LibRec公眾號的日常維護等。因此,在撰寫本書的過程中,作者常常會因進展緩慢而懊惱,也曾幾次想過放棄,但最終堅持了下來。
  期望本書能夠在推薦系統的基本理論和技術研發等方面給相關科研人員和從業人員一定的啟發,也希望本書能夠與LibRec項目一起,為推薦系統領域的發展和應用盡綿薄之力。
在此,感謝我的博士生導師——新加坡南洋理工大學的張杰教授,沒有他的培養和指導,我不可能撰寫出本書的研究內容。他嚴謹的治學風格、認真的工作態度,都是我學習效仿的楷模。同時,感謝東北大學和燕山大學的幾位學生:陳子康、周潔、麻菁、張康和王偉,他們為本書的前期資料準備付出了很多辛苦和努力;感謝東北大學推薦系統課題組的學生幫助校稿,并提出很多有價值的修改意見。最后,感謝我的家人,他們對我的寫作工作給予了極大的理解和支持。
  由于作者水平有限,書中不足之處在所難免,敬請廣大讀者批評指正。

                                                      郭貴冰
                                                     2018年4月

 
圖書目錄
...........................................................................................................................................
第1章  推薦系統 1
1.1  推薦系統的簡介 1
1.2  推薦系統的挑戰 4
1.2.1  數據端的挑戰 4
1.2.2  模型端的挑戰 6
1.2.3  評估端的挑戰 8
1.3  LibRec開源庫 11
1.3.1  LibRec簡介 11
1.3.2  LibRec框架 12
1.3.3  LibRec安裝 20
1.4  協同過濾算法 22
1.4.1  基于內存的推薦算法 23
1.4.2  基于模型的推薦算法 31
1.4.3  推薦算法的測試評估 37
參考文獻 43
第2章  用戶反饋 44
2.1  傳統評分反饋 44
2.1.1  相似度測量 44
2.1.2  貝葉斯相似度 47
2.1.3  相似度分析 53
2.1.4  實驗評估 56
2.2  前置評分反饋 68
2.2.1  前置評分 69
2.2.2  用戶調查 72
2.2.3  PRCF模型 79
2.2.4  要點討論 84
2.3  異質隱式反饋 84
2.3.1  輔助反饋 85
2.3.2  BPRH模型 86
2.3.3  GcBPR模型 93
2.3.4  要點討論 100
參考文獻 101
第3章  社會化推薦系統 103
3.1  社會化推薦系統簡介 103
3.1.1  評分預測算法 104
3.1.2  物品推薦算法 106
3.1.3  遠景與挑戰 107
3.2  社交感知的最近鄰模型 108
3.2.1  Merge模型 108
3.2.2  案例與分析 113
3.2.3  實驗評估 116
3.3  多視圖聚類的推薦模型 121
3.3.1  多視圖聚類 122
3.3.2  SVR回歸預測 127
3.3.3  冷啟動用戶 129
3.3.4  實驗評估 131
3.4  社交增強的矩陣分解模型 137
3.4.1  信任分析 137
3.4.2  TrustSVD模型 141
3.4.3  FST模型 150
參考文獻 159
第4章  信任計算 161
4.1  基本信任模型 161
4.1.1  認知信任 161
4.1.2  信任度量 162
4.1.3  實驗評估 166
4.2  擴展的信任因子框架模型 170
4.2.1  TAF模型 170
4.2.2  ETAF模型 171
4.2.3  實驗評估 176
4.3  多因子信任模型 181
4.3.1  信任框架 182
4.3.2  信任精化 183
4.3.3  實驗評估 186
4.4  非線性信任模型 191
4.4.1  TrustNCF模型 191
4.4.2  模型分析 196
4.4.3  實驗評估 197
參考文獻 200
第5章  情景感知推薦 202
5.1  類別感知推薦模型 202
5.1.1  類別與偏好分析 204
5.1.2  類別感知推薦 207
5.1.3  實驗評估 212
5.2  評論感知推薦模型 217
5.2.1  評論感知推薦概述 218
5.2.2  ADR模型 219
5.2.3  實驗評估 222
5.3  地理感知推薦模型 226
5.3.1  地理與偏好分析 227
5.3.2  GeoBPR模型 228
5.3.3  實驗評估 231
5.4  時間感知推薦模型 234
5.4.1  時間與偏好分析 235
5.4.2  PCCF模型 240
5.4.3  實驗評估 245
參考文獻 248
 
 
本站首頁 | 聯系我們 | 所有圖書 | 資源下載 | 作者投稿 | 讀者反饋 | 業務聯系 | 招聘信息 | 加入收藏    
Copyright www.7397756.live All Rights Reserved
地址:北京市海淀區北三環西路43號青云當代大廈21層2109   郵編:100086
站長QQ:693638799 Email:[email protected] 電話:010-62140850
版權所有:科學出版社 職教技術出版中心
京ICP備13039988號
澳洲幸运5计划软件手机版 上海天天彩选4玩法 福建体彩11选五走势图 5000元炒股一年赚多少 广西11选五走势图带连线图 七乐彩牛材网 幸运农场中奖图片 龙江p62开奖结果 快乐十二遗漏数据 上海快三玩法中奖介绍 青海高频11选5开奖结果