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
買過本商品的人還買了
推薦系統關鍵技術的研究 版權信息
- ISBN：9787517099390
- 條形碼：9787517099390 ; 978-7-5170-9939-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
推薦系統關鍵技術的研究 內容簡介
信息化、智能化技術的快速發展引發了數據爆發式增長，大數據時代的到來也伴隨著"信息過載"問題的出現。推薦系統是解決信息過載問題的有效方法，作為現階段推薦算法當中應用為廣泛的個性化推薦算法之一，協同過濾推薦算法有著該領域內其他推薦算法無法比擬的諸多優點。但是在實際應用場景中，協同過濾推薦算法仍然有較多問題亟須解決。 針對協同過濾推薦算法面對的數據稀疏性問題，《推薦系統關鍵技術的研究》分別采用數據填充方法、融合信任的概率矩陣分解模型、融合用戶評分信息和項目評論特征的深度學習模型進行分析解決。針對協同過濾推薦算法面對的冷啟動問題，《推薦系統關鍵技術的研究》分別采用K-means聚類算法與基于優化的遺傳算法的K-means聚類混合算法進行分析解決。針對協同過濾推薦算法面對的擴展性問題，《推薦系統關鍵技術的研究》采用基于Hadoop平臺MapReduce分布式計算、HDFS分布式存儲模型進行算法并行化處理。同時，在真實的數據集上通過實驗驗證上述模型與算法的可行性與有效性。 《推薦系統關鍵技術的研究》共分為6章，包括推薦系統、數據填充方法、K-means聚類算法、基于混合算法的推薦系統、基于信任關系的推薦系統和融合多源數據的推薦系統。 《推薦系統關鍵技術的研究》可作為推薦系統研究方向高年級本科生和研究生的教材，也可供相關領域的技術人員和科研工作者閱讀參考。
推薦系統關鍵技術的研究 目錄
前言
第1章 推薦系統
1．1 什么是推薦系統
1．2 推薦系統的研究現狀
1．3 推薦系統的評測
第2章 數據填充方法
2．1 協同過濾推薦算法概述
2．2 數據填充方法解決數據稀疏性問題
2．3 數據填充方法的并行化
2．4 實驗評測及分析
2．5 小結
第3章 K-means聚類算法
3．1 K-means聚類算法的簡介和特點
3．2 K-means聚類算法解決冷啟動問題
3．3 K-means聚類算法的并行化
3．4 實驗評測及分析
3．5 小結
第4章 基于混合算法的推薦系統
4．1 遺傳算法
4．2 混合算法
4．3 混合算法解決冷啟動問題
4．4 混合算法的并行化
4．5 推薦算法的并行化
4．6 實驗評測及分析
4．7 小結
第5章 基于信任關系的推薦系統
5．1 信任關系
5．2 融合信任關系的推薦模型
5．3 實驗評測及分析
5．4 小結
第6章 融合多源數據的推薦系統
6．1 融合評論數據的推薦系統
6．2 融合評分與評論數據的推薦系統
6．3 實驗評測及分析
6．4 小結
參考文獻
第1章 推薦系統
1．1 什么是推薦系統
1．2 推薦系統的研究現狀
1．3 推薦系統的評測
第2章 數據填充方法
2．1 協同過濾推薦算法概述
2．2 數據填充方法解決數據稀疏性問題
2．3 數據填充方法的并行化
2．4 實驗評測及分析
2．5 小結
第3章 K-means聚類算法
3．1 K-means聚類算法的簡介和特點
3．2 K-means聚類算法解決冷啟動問題
3．3 K-means聚類算法的并行化
3．4 實驗評測及分析
3．5 小結
第4章 基于混合算法的推薦系統
4．1 遺傳算法
4．2 混合算法
4．3 混合算法解決冷啟動問題
4．4 混合算法的并行化
4．5 推薦算法的并行化
4．6 實驗評測及分析
4．7 小結
第5章 基于信任關系的推薦系統
5．1 信任關系
5．2 融合信任關系的推薦模型
5．3 實驗評測及分析
5．4 小結
第6章 融合多源數據的推薦系統
6．1 融合評論數據的推薦系統
6．2 融合評分與評論數據的推薦系統
6．3 實驗評測及分析
6．4 小結
參考文獻
展開全部
書友推薦
- >
二體千字文
- >
朝聞道
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
我從未如此眷戀人間
- >
李白與唐代文化
- >
羅庸西南聯大授課錄
- >
【精裝繪本】畫給孩子的中國神話
- >
史學評論
本類暢銷
