中圖網(wǎng)小程序
一鍵登錄
更方便
>
>
機(jī)械工業(yè)出版社計算機(jī)科學(xué)叢書推薦系統(tǒng):技術(shù).評估及高效算法(原書第2版)
包郵 機(jī)械工業(yè)出版社計算機(jī)科學(xué)叢書推薦系統(tǒng):技術(shù).評估及高效算法(原書第2版)
作者：［美］弗朗西斯科·里奇
開本：
16開
頁數(shù)：
636
本類五星書更多>
-
>
全國計算機(jī)等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
買過本商品的人還買了
機(jī)械工業(yè)出版社計算機(jī)科學(xué)叢書推薦系統(tǒng):技術(shù).評估及高效算法(原書第2版) 版權(quán)信息
- ISBN：9787111600756
- 條形碼：9787111600756 ; 978-7-111-60075-6
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機(jī)械工業(yè)出版社計算機(jī)科學(xué)叢書推薦系統(tǒng):技術(shù).評估及高效算法(原書第2版) 本書特色
本書由五部分組成：推薦系統(tǒng)的技術(shù)、評估、應(yīng)用、人機(jī)交互及高級話題。第 一部分展示了如今構(gòu)建推薦系統(tǒng)的流行和基礎(chǔ)的技術(shù)，如協(xié)同過濾、基于語義的方法、數(shù)據(jù)挖掘方法和基于情境感知的方法。第二部分主要關(guān)注離線和真實(shí)用戶環(huán)境下用于評估推薦質(zhì)量的技術(shù)及方法。第三部分包括了一些推薦技術(shù)多樣性的應(yīng)用。首先簡述了與工業(yè)實(shí)現(xiàn)和推薦系統(tǒng)開發(fā)相關(guān)的一般性問題，隨后詳細(xì)介紹了推薦系統(tǒng)在各領(lǐng)域中的應(yīng)用：音樂、學(xué)習(xí)、移動、社交網(wǎng)絡(luò)及它們之間的交互。第四部分包含了探討一系列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦系統(tǒng)相關(guān)的重要問題。第五部分收集了一些關(guān)于高級話題的文章，例如利用主動學(xué)習(xí)技術(shù)來引導(dǎo)新知識的學(xué)習(xí)，構(gòu)建能夠抵擋惡意用戶攻擊的健壯推薦系統(tǒng)的合適技術(shù)，以及結(jié)合多種用戶反饋和偏好來生成更加可靠的推薦系統(tǒng)。
機(jī)械工業(yè)出版社計算機(jī)科學(xué)叢書推薦系統(tǒng):技術(shù).評估及高效算法(原書第2版) 內(nèi)容簡介
本書由五部分組成：推薦系統(tǒng)的技術(shù)、評估、應(yīng)用、人機(jī)交互及不錯話題。第 一部分展示了如今構(gòu)建推薦系統(tǒng)的流行和基礎(chǔ)的技術(shù)，如協(xié)同過濾、基于語義的方法、數(shù)據(jù)挖掘方法和基于情境感知的方法。第二部分主要關(guān)注離線和真實(shí)用戶環(huán)境下用于評估推薦質(zhì)量的技術(shù)及方法。第三部分包括了一些推薦技術(shù)多樣性的應(yīng)用。首先簡述了與工業(yè)實(shí)現(xiàn)和推薦系統(tǒng)開發(fā)相關(guān)的一般性問題，隨后詳細(xì)介紹了推薦系統(tǒng)在各領(lǐng)域中的應(yīng)用：音樂、學(xué)習(xí)、移動、社交網(wǎng)絡(luò)及它們之間的交互。第四部分包含了探討一系列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦系統(tǒng)相關(guān)的重要問題。第五部分收集了一些關(guān)于不錯話題的文章，例如利用主動學(xué)習(xí)技術(shù)來引導(dǎo)新知識的學(xué)習(xí)，構(gòu)建能夠抵擋惡意用戶攻擊的健壯推薦系統(tǒng)的合適技術(shù)，以及結(jié)合多種用戶反饋和偏好來生成更加可靠的推薦系統(tǒng)。
機(jī)械工業(yè)出版社計算機(jī)科學(xué)叢書推薦系統(tǒng):技術(shù).評估及高效算法(原書第2版) 目錄
目 錄
Recommender Systems Handbook,Second Edition
出版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡介
第1章 推薦系統(tǒng)：簡介和挑戰(zhàn)1
1.1 簡介1
1.2 推薦系統(tǒng)的功能3
1.3 數(shù)據(jù)和知識來源5
1.4 推薦技術(shù)7
1.5 推薦系統(tǒng)評估10
1.6 推薦系統(tǒng)應(yīng)用11
1.7 推薦系統(tǒng)與人機(jī)交互13
1.8 高級話題14
1.9 挑戰(zhàn)16
1.9.1 偏好獲取與分析16
1.9.2 交互17
1.9.3 新的推薦任務(wù)18
參考文獻(xiàn)19
**部分 推薦系統(tǒng)技術(shù)
第2章 基于鄰域的推薦方法綜述24
2.1 簡介24
2.1.1 基于鄰域方法的優(yōu)勢25
2.1.2 目標(biāo)和概要26
2.2 問題定義和符號26
2.3 基于鄰域的推薦27
2.3.1 基于用戶的評分預(yù)測28
2.3.2 基于用戶的分類預(yù)測方法28
2.3.3 回歸與分類29
2.3.4 基于物品的推薦29
2.3.5 基于用戶和基于物品的推薦方法的比較30
2.4 基于鄰域方法的要素31
2.4.1 評分標(biāo)準(zhǔn)化31
2.4.2 相似度權(quán)重的計算33
2.4.3 鄰域的選擇37
2.5 高級進(jìn)階技術(shù)37
2.5.1 基于圖的方法38
2.5.2 基于學(xué)習(xí)的方法40
2.6 總結(jié)44
參考文獻(xiàn)44
第3章 協(xié)同過濾方法進(jìn)階48
3.1 簡介48
3.2 預(yù)備知識49
3.2.1 基準(zhǔn)預(yù)測49
3.2.2 Netflix數(shù)據(jù)50
3.2.3 隱式反饋51
3.3 矩陣分解模型51
3.3.1 SVD52
3.3.2 SVD 53
3.3.3 時間敏感的因子模型54
3.3.4 比較57
3.3.5 小結(jié)58
3.4 基于鄰域的模型59
3.4.1 相似度度量59
3.4.2 基于相似度的插值60
3.4.3 聯(lián)合派生插值權(quán)重61
3.4.4 小結(jié)63
3.5 增強(qiáng)的基于鄰域的模型63
3.5.1 全局化的鄰域模型64
3.5.2 因式分解的鄰域模型67
3.5.3 基于鄰域模型的動態(tài)時序71
3.5.4 小結(jié)72
3.6 基于鄰域的模型和因子分解模型的比較73
參考文獻(xiàn)75
第4章 基于內(nèi)容的語義感知推薦系統(tǒng)77
4.1 簡介77
4.2 基于內(nèi)容的推薦系統(tǒng)概述77
4.2.1 基于關(guān)鍵詞的向量空間模型79
4.2.2 用戶特征學(xué)習(xí)的方法80
4.2.3 基于內(nèi)容過濾的優(yōu)缺點(diǎn)81
4.3 自上而下的語義方法82
4.3.1 基于本體資源的方法83
4.3.2 基于非結(jié)構(gòu)化或半結(jié)構(gòu)化百科知識的方法84
4.3.3 基于關(guān)聯(lián)開放數(shù)據(jù)的方法86
4.4 自下而上的語義方法90
4.4.1 基于判別式模型的方法90
4.5 方法比較與小結(jié)94
4.6 總結(jié)與未來挑戰(zhàn)95
致謝96
參考文獻(xiàn)96
第5章 基于約束的推薦系統(tǒng)103
5.1 簡介103
5.2 推薦知識庫的開發(fā)105
5.3 推薦過程中的用戶導(dǎo)向作用108
5.4 計算推薦結(jié)果113
5.5 實(shí)際應(yīng)用的經(jīng)驗114
5.6 未來的研究方法116
5.7 總結(jié)118
參考文獻(xiàn)118
第6章 情境感知推薦系統(tǒng)123
6.1 簡介和動機(jī)123
6.2 推薦系統(tǒng)中的情境124
6.2.1 什么是情境124
6.2.2 推薦系統(tǒng)中模型化情境信息的表征性方法125
6.2.3 推薦系統(tǒng)中主要的情境信息建模方法127
6.2.4 獲取情境信息130
6.3 結(jié)合具有代表性情境的推薦系統(tǒng)范式131
6.3.1 情境預(yù)過濾133
6.3.2 情境后過濾136
6.3.3 情境建模137
6.4 討論和總結(jié)138
致謝140
參考文獻(xiàn)140
第7章 推薦系統(tǒng)中的數(shù)據(jù)挖掘方法145
7.1 簡介145
7.2 數(shù)據(jù)預(yù)處理146
7.2.1 相似度度量方法146
7.2.2 抽樣147
7.2.3 降維148
7.2.4 去噪150
7.3 監(jiān)督學(xué)習(xí)150
7.3.1 分類150
7.3.2 分類器的集成157
7.3.3 評估分類器157
7.4 無監(jiān)督學(xué)習(xí)159
7.4.1 聚類分析159
7.4.2 關(guān)聯(lián)規(guī)則挖掘161
7.5 總結(jié)162
參考文獻(xiàn)163
第二部分 推薦系統(tǒng)評估
第8章 推薦系統(tǒng)的評估170
8.1 簡介170
8.2 實(shí)驗設(shè)置171
8.2.1 離線實(shí)驗172
8.2.2 用戶調(diào)查173
8.2.3 在線評估175
8.2.4 得出可靠結(jié)論176
8.3 推薦系統(tǒng)屬性178
8.3.1 用戶偏好179
8.3.2 預(yù)測精度179
8.3.3 覆蓋率186
8.3.4 置信度187
8.3.5 信任度188
8.3.6 新穎性188
8.3.7 驚喜度189
8.3.8 多樣性190
8.3.9 效用191
8.3.10 風(fēng)險191
8.3.11 健壯性192
8.3.12 隱私192
8.3.13 適應(yīng)性193
8.3.14 可擴(kuò)展性193
8.4 結(jié)論193
參考文獻(xiàn)194
第9章 使用用戶實(shí)驗評估推薦系統(tǒng)198
9.1 簡介198
9.2 理論基礎(chǔ)與現(xiàn)有工作199
9.2.1 理論基礎(chǔ)：Knijnenburg等人提出的評估框架199
9.2.2 現(xiàn)有以用戶為中心的研究概覽以及有前景的方向201
9.3 實(shí)踐指南203
9.3.1 研究模型203
9.3.2 參與者206
9.3.3 實(shí)驗操控207
9.3.4 測量209
9.3.5 統(tǒng)計評估214
9.4 結(jié)論219
參考文獻(xiàn)221
第10章 對推薦結(jié)果的解釋：設(shè)計和評估228
10.1 簡介228
10.2 推薦設(shè)計的呈現(xiàn)和交互229
10.2.1 推薦呈現(xiàn)229
Recommender Systems Handbook,Second Edition
出版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡介
第1章 推薦系統(tǒng)：簡介和挑戰(zhàn)1
1.1 簡介1
1.2 推薦系統(tǒng)的功能3
1.3 數(shù)據(jù)和知識來源5
1.4 推薦技術(shù)7
1.5 推薦系統(tǒng)評估10
1.6 推薦系統(tǒng)應(yīng)用11
1.7 推薦系統(tǒng)與人機(jī)交互13
1.8 高級話題14
1.9 挑戰(zhàn)16
1.9.1 偏好獲取與分析16
1.9.2 交互17
1.9.3 新的推薦任務(wù)18
參考文獻(xiàn)19
**部分 推薦系統(tǒng)技術(shù)
第2章 基于鄰域的推薦方法綜述24
2.1 簡介24
2.1.1 基于鄰域方法的優(yōu)勢25
2.1.2 目標(biāo)和概要26
2.2 問題定義和符號26
2.3 基于鄰域的推薦27
2.3.1 基于用戶的評分預(yù)測28
2.3.2 基于用戶的分類預(yù)測方法28
2.3.3 回歸與分類29
2.3.4 基于物品的推薦29
2.3.5 基于用戶和基于物品的推薦方法的比較30
2.4 基于鄰域方法的要素31
2.4.1 評分標(biāo)準(zhǔn)化31
2.4.2 相似度權(quán)重的計算33
2.4.3 鄰域的選擇37
2.5 高級進(jìn)階技術(shù)37
2.5.1 基于圖的方法38
2.5.2 基于學(xué)習(xí)的方法40
2.6 總結(jié)44
參考文獻(xiàn)44
第3章 協(xié)同過濾方法進(jìn)階48
3.1 簡介48
3.2 預(yù)備知識49
3.2.1 基準(zhǔn)預(yù)測49
3.2.2 Netflix數(shù)據(jù)50
3.2.3 隱式反饋51
3.3 矩陣分解模型51
3.3.1 SVD52
3.3.2 SVD 53
3.3.3 時間敏感的因子模型54
3.3.4 比較57
3.3.5 小結(jié)58
3.4 基于鄰域的模型59
3.4.1 相似度度量59
3.4.2 基于相似度的插值60
3.4.3 聯(lián)合派生插值權(quán)重61
3.4.4 小結(jié)63
3.5 增強(qiáng)的基于鄰域的模型63
3.5.1 全局化的鄰域模型64
3.5.2 因式分解的鄰域模型67
3.5.3 基于鄰域模型的動態(tài)時序71
3.5.4 小結(jié)72
3.6 基于鄰域的模型和因子分解模型的比較73
參考文獻(xiàn)75
第4章 基于內(nèi)容的語義感知推薦系統(tǒng)77
4.1 簡介77
4.2 基于內(nèi)容的推薦系統(tǒng)概述77
4.2.1 基于關(guān)鍵詞的向量空間模型79
4.2.2 用戶特征學(xué)習(xí)的方法80
4.2.3 基于內(nèi)容過濾的優(yōu)缺點(diǎn)81
4.3 自上而下的語義方法82
4.3.1 基于本體資源的方法83
4.3.2 基于非結(jié)構(gòu)化或半結(jié)構(gòu)化百科知識的方法84
4.3.3 基于關(guān)聯(lián)開放數(shù)據(jù)的方法86
4.4 自下而上的語義方法90
4.4.1 基于判別式模型的方法90
4.5 方法比較與小結(jié)94
4.6 總結(jié)與未來挑戰(zhàn)95
致謝96
參考文獻(xiàn)96
第5章 基于約束的推薦系統(tǒng)103
5.1 簡介103
5.2 推薦知識庫的開發(fā)105
5.3 推薦過程中的用戶導(dǎo)向作用108
5.4 計算推薦結(jié)果113
5.5 實(shí)際應(yīng)用的經(jīng)驗114
5.6 未來的研究方法116
5.7 總結(jié)118
參考文獻(xiàn)118
第6章 情境感知推薦系統(tǒng)123
6.1 簡介和動機(jī)123
6.2 推薦系統(tǒng)中的情境124
6.2.1 什么是情境124
6.2.2 推薦系統(tǒng)中模型化情境信息的表征性方法125
6.2.3 推薦系統(tǒng)中主要的情境信息建模方法127
6.2.4 獲取情境信息130
6.3 結(jié)合具有代表性情境的推薦系統(tǒng)范式131
6.3.1 情境預(yù)過濾133
6.3.2 情境后過濾136
6.3.3 情境建模137
6.4 討論和總結(jié)138
致謝140
參考文獻(xiàn)140
第7章 推薦系統(tǒng)中的數(shù)據(jù)挖掘方法145
7.1 簡介145
7.2 數(shù)據(jù)預(yù)處理146
7.2.1 相似度度量方法146
7.2.2 抽樣147
7.2.3 降維148
7.2.4 去噪150
7.3 監(jiān)督學(xué)習(xí)150
7.3.1 分類150
7.3.2 分類器的集成157
7.3.3 評估分類器157
7.4 無監(jiān)督學(xué)習(xí)159
7.4.1 聚類分析159
7.4.2 關(guān)聯(lián)規(guī)則挖掘161
7.5 總結(jié)162
參考文獻(xiàn)163
第二部分 推薦系統(tǒng)評估
第8章 推薦系統(tǒng)的評估170
8.1 簡介170
8.2 實(shí)驗設(shè)置171
8.2.1 離線實(shí)驗172
8.2.2 用戶調(diào)查173
8.2.3 在線評估175
8.2.4 得出可靠結(jié)論176
8.3 推薦系統(tǒng)屬性178
8.3.1 用戶偏好179
8.3.2 預(yù)測精度179
8.3.3 覆蓋率186
8.3.4 置信度187
8.3.5 信任度188
8.3.6 新穎性188
8.3.7 驚喜度189
8.3.8 多樣性190
8.3.9 效用191
8.3.10 風(fēng)險191
8.3.11 健壯性192
8.3.12 隱私192
8.3.13 適應(yīng)性193
8.3.14 可擴(kuò)展性193
8.4 結(jié)論193
參考文獻(xiàn)194
第9章 使用用戶實(shí)驗評估推薦系統(tǒng)198
9.1 簡介198
9.2 理論基礎(chǔ)與現(xiàn)有工作199
9.2.1 理論基礎(chǔ)：Knijnenburg等人提出的評估框架199
9.2.2 現(xiàn)有以用戶為中心的研究概覽以及有前景的方向201
9.3 實(shí)踐指南203
9.3.1 研究模型203
9.3.2 參與者206
9.3.3 實(shí)驗操控207
9.3.4 測量209
9.3.5 統(tǒng)計評估214
9.4 結(jié)論219
參考文獻(xiàn)221
第10章 對推薦結(jié)果的解釋：設(shè)計和評估228
10.1 簡介228
10.2 推薦設(shè)計的呈現(xiàn)和交互229
10.2.1 推薦呈現(xiàn)229
展開全部
機(jī)械工業(yè)出版社計算機(jī)科學(xué)叢書推薦系統(tǒng):技術(shù).評估及高效算法(原書第2版) 作者簡介
弗朗西斯科·里奇（Francesco Ricci），意大利博爾扎諾自由大學(xué)計算機(jī)科學(xué)副教授。目前他的研究興趣包括推薦系統(tǒng)、智能接口、移動系統(tǒng)、機(jī)器學(xué)習(xí)、案例推理、信息和通信技術(shù)在旅游中的應(yīng)用。他是《Journal of Information Technology and Tourism》雜志的編委，還是ACM和IEEE會員。他還是ACM會議推薦系統(tǒng)分會的指導(dǎo)委員會成員。
利奧·羅卡奇（Lior Rokach），以色列本-古里安大學(xué)信息系統(tǒng)工程系助理教授。他是智能信息系統(tǒng)方面公認(rèn)的專家，在這一領(lǐng)域處于領(lǐng)先地位。他的主要研究領(lǐng)域包括數(shù)據(jù)挖掘、模式識別和推薦系統(tǒng)。他的70篇論文被主流期刊、會議和書籍等引用。
布拉哈·夏皮拉（Bracha Shapira），以色列本-古里安大學(xué)信息系統(tǒng)工程系助理教授。目前她的研究興趣包括推薦系統(tǒng)、信息檢索、個性化、用戶建模和社交網(wǎng)絡(luò)。她是本-古里安大學(xué)德國電信實(shí)驗室研究項目負(fù)責(zé)人，并且還是ACM和IEEE會員。
書友推薦
- >
回憶愛瑪儂
- >
姑媽的寶刀
- >
詩經(jīng)-先民的歌唱
- >
名家?guī)阕x魯迅:朝花夕拾
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
煙與鏡
- >
自卑與超越
本類暢銷
