掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于鏈路預測的推薦系統:原理.模型與算法/朱旭振 版權信息
- ISBN：9787563554867
- 條形碼：9787563554867 ; 978-7-5635-5486-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于鏈路預測的推薦系統:原理.模型與算法/朱旭振 本書特色
飛速發展的計算機、互聯網和web技術改變了人們的生活，人們在虛擬社區中結交好友、在新聞網站中瀏覽新聞、在視頻網站中觀看電影、在虛擬圖書館中查閱書籍、在電商平臺中購買物品。但是，人們在享受多彩生活的同時也感受到了信息膨脹帶來的煩惱，即人們無法在海量數據中快速有效地找到*相關的信息。電影、書籍、網頁等信息的數據量動輒以千萬級，這些數據信息的增長速度已經遠遠超過了人類的自然處理能力。在這種大數據的背景下，用戶獲取所需信息的代價越來越大，僅僅依靠傳統人力的方式已經無法評價和選擇這些物品。在這種情況下，有效過濾海量信息的*有吸引力的方法就是個性化推薦技術。它利用用戶個人信息，例如用戶活動的歷史記錄，發現用戶喜好，然后根據用戶喜好進行推薦，例如Amazon.com使用用戶的購買歷史記錄向用戶推薦書籍，AdaptiveInfo.com使用用戶的閱讀歷史向用戶推薦新聞，還有TiVo數字視頻系統根據用戶的觀看模式和評分記錄向用戶推薦電視節目。
本研究從單一節點網絡上的鏈路預測研究入手，研究二部圖網絡上的鏈路預測，建模物品之間的相似性，結合協作技術完成推薦。首先，介紹一般網絡上基于拓撲相似性的鏈路預測算法研究，進一步分別從路徑有效性和端點影響力角度出發，研究端點間相似性模型。其次，應用超圖理論和物質擴散理論，將一般網絡上的鏈路預測算法擴展到二部圖上，預測物品間相似性，然后基于協作過濾算法，實現物品推薦。*后，本研究給出了進行鏈路預測研究的一般方法、數據來源、數據處理方法、實驗方法以及Matlab實現代碼，同時給出了二部圖網絡上推薦研究的一般方法、數據來源、數據處理方法、實驗方法以及Matlab實現代碼。以期能幫助大家盡快熟悉，為進一步深入研究做好鋪墊。
基于鏈路預測的推薦系統:原理.模型與算法/朱旭振 內容簡介
本書從單一節點網絡上的鏈路預測研究入手，研究端點間影響相似性的拓撲因素，并進一步基于超圖理論和物質擴散理論，將研究結果擴展至對二部圖上物品間的鏈路預測建模，發現物品間的相似性，結合協作技術完成推薦。本書首先介紹基礎知識，使得讀者對復雜網絡有基本的認識，并介紹復雜網絡分析工具Pajek；其次介紹一般網絡上單一節點間的鏈路預測研究；接著介紹了二部圖上基于鏈路預測的協作推薦研究；*后進行總結并展望未來的研究方向。本書采用問題描述、理論建模、數據仿真、性能計算的方法介紹各個實例的研究思路，通過作者的研究舉例，針對每個研究點介紹研究方法，并給出此項研究的參考文獻，同時引導讀者思考未來可能的研究思路。通過介紹各個研究案例，可以幫助讀者快速進入未來的研究課題。
基于鏈路預測的推薦系統:原理.模型與算法/朱旭振 目錄
第1部分基礎知識
第1章緒論
11研究背景
111推薦系統的發展現狀及特征分析
112推薦系統的國內外研究現狀
12相關理論基礎
121復雜網絡理論基礎
122鏈路預測理論
123基于鏈路預測的協同推薦理論
13復雜網絡下基于鏈路預測推薦所面臨的問題及研究意義
131面臨的問題
132研究意義
14研究思路
15本書的主要內容
本章參考文獻
第2部分復雜網絡上的鏈路預測方法
第2章網絡分析軟件Pajek
21Pajek軟件介紹
211高速計算
212可視化
213抽象化
22Pajek軟件使用基礎
23Pajek軟件分析網絡屬性
231度的計算
232兩點間的距離
233k近鄰
234聚類系數
24Pajek軟件抽取極大連通子圖
25Pajek軟件網絡畫圖
251繪制復雜網絡圖
252繪制不同類節點的復雜網絡圖
253繪制不同大小節點的復雜網絡圖
254繪制不同權值邊的復雜網絡圖
26網絡文件net簡介
261Pajek網絡文件的一般結構
262具體參數的意義和取值
263文件舉例
2.7本章小結
本章參考文獻
第3章基于相似性的鏈路預測研究
31鏈路預測的研究方法
32鏈路預測的典型研究成果
33鏈路預測的實驗數據
34鏈路預測的實驗方法
341數據集劃分方法
342鏈路預測的度量指標
35鏈路預測重要代碼講解
351數據集劃分代碼講解
352關鍵測試指標代碼講解
36基于拓撲相似性鏈路預測的思考
37本章小結
本章參考文獻
第4章基于弱關系的鏈路預測算法
41研究背景
42問題描述
43基于弱關系的優化鏈路預測模型
431CN算法、AA算法和RA算法介紹
432改進優化算法模型
44實驗結果與分析
441數據集
442度量指標
443結果與分析
45本章小結
46研究思考
本章參考文獻
第5章基于路徑異構性的鏈路預測算法
51研究背景
52問題描述
53基于路徑異構性的鏈路預測建模
531SP模型
532對比算法
54實驗結果與分析
541數據集
542評估準則
543結果與分析
55本章小結
56研究思考
本章參考文獻
第6章基于端點影響力的鏈路預測算法
61研究背景
62問題描述
63基于端點影響力建立鏈路預測模型
631EP模型
632對比算法
64實驗結果與分析
641數據集
642評估準則
643結果與分析
65本章小結
66研究思考
本章參考文獻
第3部分基于鏈路預測的推薦算法研究
第7章推薦模型的研究方法
71推薦模型常見研究方法
72基于鏈路預測的推薦模型研究方法
73推薦技術的典型研究成果
74推薦技術的研究數據介紹
75推薦實驗方法
751數據集劃分方法
752推薦算法的度量指標
76推薦算法重要代碼講解
761數據集劃分代碼講解
762推薦算法關鍵指標代碼講解
77基于二部圖推薦算法的研究思路
78本章小結
本章參考文獻
第8章基于修正相似性的協作推薦算法
81研究背景
82問題描述
83基于修正相似性的推薦算法CSI
831基于二部圖網絡的經典相似性算法
832相似性修正模型CSI
833對比算法
84實驗結果與分析
841數據集
842評價準則
843結果與分析
85本章小結
86研究思考
本章參考文獻
第9章基于一致性的協作推薦算法
91研究背景
92問題描述
93基于一致性的推薦算法CBI
931基于網絡的因果性推薦算法NBI
932基于一致性的推薦算法CBI和UCBI
933對比算法
94實驗結果與分析
941數據集
942評價準則
943結果與分析
95本章小結
96研究思考
本章參考文獻
第10章基于一致性冗余刪除的協作推薦算法
101研究背景
102問題描述
103修正冗余刪除推薦算法
1031相似性估計偏差現象
1032相似性冗余問題
1033修正冗余刪除相似性指標CRE
1034對比算法
104實驗結果與分析
1041數據集
1042評價準則
1043結果與分析
105本章小結
106研究思考
本章參考文獻
第11章一致性下基于懲罰過度擴散的推薦算法
111研究背景
112問題描述
113對稱和過度擴散懲罰算法模型
1131非對稱擴散問題
1132擴散冗余問題
1133基于對稱的過度擴散懲罰模型
1134對比算法
114實驗結果與分析
1141數據集
1142評價準則
1143結果與分析
115本章小結
116研究思考
本章參考文獻
第4部分總結與未來展望
第12章總結和展望
121總結
122未來研究展望
第1章緒論
11研究背景
111推薦系統的發展現狀及特征分析
112推薦系統的國內外研究現狀
12相關理論基礎
121復雜網絡理論基礎
122鏈路預測理論
123基于鏈路預測的協同推薦理論
13復雜網絡下基于鏈路預測推薦所面臨的問題及研究意義
131面臨的問題
132研究意義
14研究思路
15本書的主要內容
本章參考文獻
第2部分復雜網絡上的鏈路預測方法
第2章網絡分析軟件Pajek
21Pajek軟件介紹
211高速計算
212可視化
213抽象化
22Pajek軟件使用基礎
23Pajek軟件分析網絡屬性
231度的計算
232兩點間的距離
233k近鄰
234聚類系數
24Pajek軟件抽取極大連通子圖
25Pajek軟件網絡畫圖
251繪制復雜網絡圖
252繪制不同類節點的復雜網絡圖
253繪制不同大小節點的復雜網絡圖
254繪制不同權值邊的復雜網絡圖
26網絡文件net簡介
261Pajek網絡文件的一般結構
262具體參數的意義和取值
263文件舉例
2.7本章小結
本章參考文獻
第3章基于相似性的鏈路預測研究
31鏈路預測的研究方法
32鏈路預測的典型研究成果
33鏈路預測的實驗數據
34鏈路預測的實驗方法
341數據集劃分方法
342鏈路預測的度量指標
35鏈路預測重要代碼講解
351數據集劃分代碼講解
352關鍵測試指標代碼講解
36基于拓撲相似性鏈路預測的思考
37本章小結
本章參考文獻
第4章基于弱關系的鏈路預測算法
41研究背景
42問題描述
43基于弱關系的優化鏈路預測模型
431CN算法、AA算法和RA算法介紹
432改進優化算法模型
44實驗結果與分析
441數據集
442度量指標
443結果與分析
45本章小結
46研究思考
本章參考文獻
第5章基于路徑異構性的鏈路預測算法
51研究背景
52問題描述
53基于路徑異構性的鏈路預測建模
531SP模型
532對比算法
54實驗結果與分析
541數據集
542評估準則
543結果與分析
55本章小結
56研究思考
本章參考文獻
第6章基于端點影響力的鏈路預測算法
61研究背景
62問題描述
63基于端點影響力建立鏈路預測模型
631EP模型
632對比算法
64實驗結果與分析
641數據集
642評估準則
643結果與分析
65本章小結
66研究思考
本章參考文獻
第3部分基于鏈路預測的推薦算法研究
第7章推薦模型的研究方法
71推薦模型常見研究方法
72基于鏈路預測的推薦模型研究方法
73推薦技術的典型研究成果
74推薦技術的研究數據介紹
75推薦實驗方法
751數據集劃分方法
752推薦算法的度量指標
76推薦算法重要代碼講解
761數據集劃分代碼講解
762推薦算法關鍵指標代碼講解
77基于二部圖推薦算法的研究思路
78本章小結
本章參考文獻
第8章基于修正相似性的協作推薦算法
81研究背景
82問題描述
83基于修正相似性的推薦算法CSI
831基于二部圖網絡的經典相似性算法
832相似性修正模型CSI
833對比算法
84實驗結果與分析
841數據集
842評價準則
843結果與分析
85本章小結
86研究思考
本章參考文獻
第9章基于一致性的協作推薦算法
91研究背景
92問題描述
93基于一致性的推薦算法CBI
931基于網絡的因果性推薦算法NBI
932基于一致性的推薦算法CBI和UCBI
933對比算法
94實驗結果與分析
941數據集
942評價準則
943結果與分析
95本章小結
96研究思考
本章參考文獻
第10章基于一致性冗余刪除的協作推薦算法
101研究背景
102問題描述
103修正冗余刪除推薦算法
1031相似性估計偏差現象
1032相似性冗余問題
1033修正冗余刪除相似性指標CRE
1034對比算法
104實驗結果與分析
1041數據集
1042評價準則
1043結果與分析
105本章小結
106研究思考
本章參考文獻
第11章一致性下基于懲罰過度擴散的推薦算法
111研究背景
112問題描述
113對稱和過度擴散懲罰算法模型
1131非對稱擴散問題
1132擴散冗余問題
1133基于對稱的過度擴散懲罰模型
1134對比算法
114實驗結果與分析
1141數據集
1142評價準則
1143結果與分析
115本章小結
116研究思考
本章參考文獻
第4部分總結與未來展望
第12章總結和展望
121總結
122未來研究展望
展開全部
基于鏈路預測的推薦系統:原理.模型與算法/朱旭振 作者簡介
朱旭振，男，講師。2015年畢業于北京郵電大學通信與信息系統專業，獲得博士學位。專注于大數據環境下的鏈路預測、推薦系統以及復雜網絡上的傳播動力學，主持一項國家自然科學基金項目，并參與多項863項目和國家自然科學基金項目。負責多項數據挖掘和分析項目，發表論文多篇。研究方向：大數據環境下的數據挖掘與傳播動力學研究。
書友推薦
- >
小考拉的故事-套裝共3冊
- >
二體千字文
- >
我與地壇
- >
伯納黛特,你要去哪(2021新版)
- >
中國歷史的瞬間
- >
隨園食單
- >
苦雨齋序跋文-周作人自編集
- >
自卑與超越
本類暢銷
