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
互聯網中情景感知與信息融合的個性化推薦方法及應用 版權信息
- ISBN：9787312046322
- 條形碼：9787312046322 ; 978-7-312-04632-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
互聯網中情景感知與信息融合的個性化推薦方法及應用 內容簡介
本書以互聯網應用為背景, 以情景感知推薦系統中的個性化推薦為對象, 主要研究情景感知與信息融合的推薦方法。在分析不同情景對不同用戶興趣偏好的影響時, 提出了有效情景檢測方法和情景化用戶建模框架 ; 深入分析時間情景對用戶項目選擇的影響, 提出多維時間情景感知的MTAFM模型以實現項目推薦 ; 針對社交網絡中多種情景信息, 提出多源情景感知與融合的好友推薦方法 ; 從基于項目的預評分、基于用戶的預評分和基于相似用戶相似項目的預評分三方面視角, 提出基于多源評分融合的協同優化推薦方法。
互聯網中情景感知與信息融合的個性化推薦方法及應用 目錄
前言
第1章 緒論
1．1 研究背景
1．2 研究意義
1．2．1 理論意義
1．2．2 應用價值
1．3 國內外研究概況
1．3．1 傳統的個性化推薦
1．3．2 情景感知的個性化推薦
1．3．3 好友推薦
1．4 研究挑戰與問題分析
1．5 主要研究內容
1．5．1 有效情景檢測與情景化用戶建模
1．5．2 多維時間情景感知的項目推薦
1．5．3 多源情景感知與信息融合的好友推薦
1．5．4 多源評分融合的協同過濾優化推薦
第2章 有效情景檢測與情景化用戶建模
2．1 引言
2．2 情景及情景分類
2．2．1 情景概念
2．2．2 推薦系統的情景分類
2．3 傳統用戶建模概況
2．3．1 用戶建模
2．3．2 情景信息應用概況
2．4 有效情景檢測
2．4．1 情景過濾器
2．4．2 基于單因素方差效用函數的有效情景檢測
2．4．3 基于項目類型或屬性效用函數的有效情景檢測
2．4．4 基于選擇概率效用函數的有效情景檢測
2．5 情景化用戶建模框架
2．5．1 模型框架
2．5．2 情景處理模式
2．6 建模過程
2．6．1 預過濾建模范式
2．6．2 融合建模范式
2．7 實驗驗證
2．7．1 LDOS-CoMoDa數據集
2．7．2 實驗步驟
2．7．3 實驗結果
第3章 多維時間情景感知的項目推薦
3．1 引言
3．1．1 用戶興趣時間情景
3．1．2 社會時序情景
3．1．3 用戶交互時間情景
3．2 推薦框架及用戶行為決策過程
3．3 模型構建
3．3．1 多維時間情景感知的用戶建模
3．3．2 MTAFM模型
3．4 MTAFM模型參數估計
3．4．1 模型訓練原理
3．4．2 參數估計
3．5 MTAFM模型的Top-k推薦
3．6 實驗驗證
3．6．1 實驗數據集
3．6．2 評價方法
3．6．3 對比方法
3．6．4 實驗結果
3．6．5 話題數量的影響分析
3．6．6 時間片長度的影響分析
……
第4章 多源情景感知與融合的好友推薦
第5章 多源評分融合的協同過濾優化推薦
第6章 總結與展望
參考文獻
第1章 緒論
1．1 研究背景
1．2 研究意義
1．2．1 理論意義
1．2．2 應用價值
1．3 國內外研究概況
1．3．1 傳統的個性化推薦
1．3．2 情景感知的個性化推薦
1．3．3 好友推薦
1．4 研究挑戰與問題分析
1．5 主要研究內容
1．5．1 有效情景檢測與情景化用戶建模
1．5．2 多維時間情景感知的項目推薦
1．5．3 多源情景感知與信息融合的好友推薦
1．5．4 多源評分融合的協同過濾優化推薦
第2章 有效情景檢測與情景化用戶建模
2．1 引言
2．2 情景及情景分類
2．2．1 情景概念
2．2．2 推薦系統的情景分類
2．3 傳統用戶建模概況
2．3．1 用戶建模
2．3．2 情景信息應用概況
2．4 有效情景檢測
2．4．1 情景過濾器
2．4．2 基于單因素方差效用函數的有效情景檢測
2．4．3 基于項目類型或屬性效用函數的有效情景檢測
2．4．4 基于選擇概率效用函數的有效情景檢測
2．5 情景化用戶建模框架
2．5．1 模型框架
2．5．2 情景處理模式
2．6 建模過程
2．6．1 預過濾建模范式
2．6．2 融合建模范式
2．7 實驗驗證
2．7．1 LDOS-CoMoDa數據集
2．7．2 實驗步驟
2．7．3 實驗結果
第3章 多維時間情景感知的項目推薦
3．1 引言
3．1．1 用戶興趣時間情景
3．1．2 社會時序情景
3．1．3 用戶交互時間情景
3．2 推薦框架及用戶行為決策過程
3．3 模型構建
3．3．1 多維時間情景感知的用戶建模
3．3．2 MTAFM模型
3．4 MTAFM模型參數估計
3．4．1 模型訓練原理
3．4．2 參數估計
3．5 MTAFM模型的Top-k推薦
3．6 實驗驗證
3．6．1 實驗數據集
3．6．2 評價方法
3．6．3 對比方法
3．6．4 實驗結果
3．6．5 話題數量的影響分析
3．6．6 時間片長度的影響分析
……
第4章 多源情景感知與融合的好友推薦
第5章 多源評分融合的協同過濾優化推薦
第6章 總結與展望
參考文獻
展開全部
書友推薦
- >
我從未如此眷戀人間
- >
伊索寓言-世界文學名著典藏-全譯本
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
推拿
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
伯納黛特,你要去哪(2021新版)
- >
李白與唐代文化
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
