中圖網小程序
一鍵登錄
更方便
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
基于社會化標注的個性化推薦算法研究 版權信息
- ISBN：9787030608574
- 條形碼：9787030608574 ; 978-7-03-060857-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于社會化標注的個性化推薦算法研究 本書特色
對用戶協同模型和多興趣模型算法加以了模擬實現，構建了相關的模型并給出針對具體模型的推薦。在此基礎上，結合用戶參與評分的方法對算法的推薦效果進行了評價。結果發現，基于用戶協同模型的算法要略優于現有的基于用戶自身標簽的算法，而基于多興趣模型的推薦則要明顯好于上述兩種算法，原因可能是多興趣模型中的子興趣保持了資源主題的單一性，從而有助于找到更為相關的資源。
基于社會化標注的個性化推薦算法研究 內容簡介
隨著信息社會與數字經濟時代的全面到來，越來越多的用戶成為互聯網信息內容的創造者，網絡信息過載也日益嚴重。在此條件下，如何有效地過濾與選擇信息成為時代性的挑戰。標簽作為一種用戶視角的資源特征表述方式，成為個性化信息推薦研究重要的數據來源！痘谏鐣瘶俗⒌膫性化推薦算法研究》首先對標簽相關文獻進行了系統回顧，然后以標簽及社會化標注為切入點，應用派系聚類法和向量模型法，從用戶間協同、用戶多興趣兩個角度構建了若干個性化推薦算法。并在此基礎上，結合 Word Net 進一步提出了面向語義優化的改進推薦算法。實驗表明，《基于社會化標注的個性化推薦算法研究》所提出的算法具有更好的推薦效果。
基于社會化標注的個性化推薦算法研究 目錄
目錄
**篇 基礎篇
第1章 緒論 3
1.1 研究背景及意義 3
1.2 社會化標注的相關理論 6
1.3 本書的內容安排 14
第2章 相關研究進展17
2.1 傳統的推薦技術 17
2.2 基于社會化標注的推薦 19
2.3 現有研究存在的不足 38
第二篇 基礎算法篇
第3章 基于社會化標注的用戶協同模型 43
3.1 用戶標注中的偏差行為 44
3.2 主流標簽的確定 54
3.3 用戶協同模型的建立 60
第4章 基于社會化標注的用戶多興趣模型 64
4.1 用戶多興趣的驗證 65
4.2 聚類分析方法 68
4.3 聚類的實現 73
4.4 用戶多興趣模型的建立 83
第5章 基于用戶協同和多興趣模型的推薦算法88
5.1 基于社會化標注的資源模型 88
5.2 相關匹配算法 94
5.3 兩種模型下的推薦算法 97
第6章 基于社會化標注推薦的模擬實現與評價 103
6.1 基于社會化標注推薦的模擬實現 103
6.2 推薦算法的評估 111
第三篇 語義優化篇
第7章 基于多義標簽的推薦算法優化 115
7.1 標簽預處理 115
7.2 多義標簽識別 117
7.3 用戶模型標簽消歧 122
7.4 基于標簽消歧的推薦優化算法 124
第8章 基于同義標簽的推薦算法優化 127
8.1 WordNet 概述 128
8.2 構建同義標簽集 129
8.3 資源模型的同義擴展 133
8.4 基于同義擴展的推薦算法優化 136
第9章 實驗結果與分析 139
9.1 算法實現 139
9.2 算法評價 142
第四篇 結論篇
第10章 結論與展望 152
10.1 主要結論 152
10.2 后續研究展望 154
參考文獻 156
**篇 基礎篇
第1章 緒論 3
1.1 研究背景及意義 3
1.2 社會化標注的相關理論 6
1.3 本書的內容安排 14
第2章 相關研究進展17
2.1 傳統的推薦技術 17
2.2 基于社會化標注的推薦 19
2.3 現有研究存在的不足 38
第二篇 基礎算法篇
第3章 基于社會化標注的用戶協同模型 43
3.1 用戶標注中的偏差行為 44
3.2 主流標簽的確定 54
3.3 用戶協同模型的建立 60
第4章 基于社會化標注的用戶多興趣模型 64
4.1 用戶多興趣的驗證 65
4.2 聚類分析方法 68
4.3 聚類的實現 73
4.4 用戶多興趣模型的建立 83
第5章 基于用戶協同和多興趣模型的推薦算法88
5.1 基于社會化標注的資源模型 88
5.2 相關匹配算法 94
5.3 兩種模型下的推薦算法 97
第6章 基于社會化標注推薦的模擬實現與評價 103
6.1 基于社會化標注推薦的模擬實現 103
6.2 推薦算法的評估 111
第三篇 語義優化篇
第7章 基于多義標簽的推薦算法優化 115
7.1 標簽預處理 115
7.2 多義標簽識別 117
7.3 用戶模型標簽消歧 122
7.4 基于標簽消歧的推薦優化算法 124
第8章 基于同義標簽的推薦算法優化 127
8.1 WordNet 概述 128
8.2 構建同義標簽集 129
8.3 資源模型的同義擴展 133
8.4 基于同義擴展的推薦算法優化 136
第9章 實驗結果與分析 139
9.1 算法實現 139
9.2 算法評價 142
第四篇 結論篇
第10章 結論與展望 152
10.1 主要結論 152
10.2 后續研究展望 154
參考文獻 156
展開全部
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
苦雨齋序跋文-周作人自編集
- >
朝聞道
- >
伊索寓言-世界文學名著典藏-全譯本
- >
山海經
- >
羅曼·羅蘭讀書隨筆-精裝
- >
李白與唐代文化
- >
唐代進士錄
本類暢銷
