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
智能推薦技術 版權信息
- ISBN：9787302600107
- 條形碼：9787302600107 ; 978-7-302-60010-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能推薦技術 本書特色
本書綜合梳理了多個智能推薦問題和相關技術，分析了方法的優缺點和內在聯系，并在每章結束時提供了詳細的參考文獻和有針對性的習題。本書可以作為計算機科學與技術、軟件工程等相關專業的研究生和高年級本科生的教材，也可以作為推薦系統工程師的參考手冊。為了方便讀者查閱資料和擴展閱讀，本書附錄給出了部分知名學術期刊和學術會議的列表、推薦系統國際會議（ACM RecSys）歷年征文通知中的研究話題和研討會的主題以及書中涉及的中英文術語對照表。
智能推薦技術 內容簡介
本書圍繞電商、資訊等眾多實際應用背后的內核，即智能推薦技術，系統介紹經典和前沿技術，包括基于鄰域、矩陣分解、深度學習、遷移學習、聯邦學習等的建模方法和推薦算法。本書圍繞用戶行為數據的建模問題組織內容，全書共分6部分：第1部分（第1章）為背景和基礎；第2部分（第2～4章）為單行為推薦，是指僅對一種顯式反饋（如評分）或一種隱式反饋（如瀏覽）數據進行建模；第3部分（第5～6章）為多行為推薦，是指同時考慮瀏覽和購買等包含多種行為的數據；第4部分（第7～8章）為序列推薦，是指同時關注用戶行為和這些行為的先后順序；第5部分（第9～10章）為聯邦推薦，更加關注用戶行為中的隱私和數據安全問題；第6部分（第11章）為總結與展望。全書綜合梳理了多個智能推薦問題和相關技術，分析了方法的優缺點和內在聯系，并在每章結束時提供了詳細的參考文獻和有針對性的習題。 本書可以作為計算機科學與技術、軟件工程等相關專業的研究生和高年級本科生的教材，也可以作為推薦系統工程師的參考手冊。
智能推薦技術 目錄
第1章 概述
1．1 推薦技術簡介
1．2 推薦問題分類
1．3 數學基礎知識
1．3．1 線性代數
1．3．2 概率論
1．3．3 神經網絡中的激活函數
1．4 常用數據集和驗證方法
1．4．1 常用數據集
1．4．2 驗證方法
1．5 常用評價指標
1．5．1 面向評分預測的評價指標
1．5．2 面向物品排序的評價指標
1．6 深度學習平臺簡介
1．7 本章小結
1．8 參考文獻
1．9 習題
第2章 基于顯式反饋的評分預測
2．1 協同過濾（CF）問題
2．2 基于均值填充的方法
2．2．1 預測公式
2．2．2 討論
2．3 基于鄰域的方法
2．3．1 基于用戶的協同過濾
2．3．2 基于物品的協同過濾
2．3．3 混合協同過濾
2．3．4 討論
2．4 基于矩陣分解的方法
2．4．1 概率矩陣分解
2．4．2 改進的奇異值分解
2．4．3 結合多類偏好上下文的矩陣分解
2．4．4 因子分解機
2．5 基于深度學習的方法
2．5．1 受限玻爾茲曼機
2．5．2 自編碼器
2．6 本章小結
2．7 參考文獻
2．8 習題
第3章 基于顯式反饋的物品排序
3．1 協同排序（CR）問題
3．2 粗精遷移排序
3．2．1 模型介紹
3．2．2 算法流程
3．2．3 代碼實現
3．2．4 實驗設置
3．2．5 討論
3．3 上下文感知協同排序
3．3．1 模型介紹
3．3．2 算法流程
3．3．3 代碼實現
3．3．4 實驗設置
3．3．5 討論
3．4 整全遷移排序
3．4．1 模型介紹
3．4．2 基于模型的整全遷移排序
3．4．3 基于鄰域的整全遷移排序
3．4．4 代碼實現
3．4．5 實驗設置
3．4．6 討論
3．5 本章小結
3．6 參考文獻
3．7 習題
第4章 基于隱式反饋的物品排序
4．1 單類協同過濾（OCCF）問題
4．2 基于熱度的方法
……
第5章 基于異構反饋的評分預測
第6章 基于異構反饋的物品排序
第7章 單行為序列推薦
第8章 多行為序列推薦
第9章 跨用戶聯邦推薦
第10章 跨組織聯邦推薦
第11章 總結與展望
附錄A 學術期刊論文數量統計
附錄B 學術會議論文數量統計
附錄C 推薦系統國際會議研究話題
附錄D 推薦系統國際會議研討會主題
附錄E 中英文術語對照表
后記
致謝
展開全部
智能推薦技術 作者簡介
潘微科，博士，深圳大學計算機與軟件學院副教授，碩士生導師，深圳市優秀教師。主要研究方向為遷移學習、聯邦學習、推薦系統和機器學習，曾獲ACM TiiS 2016論文獎和SDM 2013論文提名獎。主持國家自然科學基金面上項目等多個科研項目，擔任知名國際期刊的編委、客座編委和杰出審稿人。 林晶，碩士，深圳大學計算機與軟件學院2021屆畢業生，現任騰訊音樂研發工程師。主要研究方向為推薦系統、機器學習和深度學習，已在ACM TOIS、ACM RecSys等信息檢索和推薦系統領域的知名學術期刊和學術會議發表多篇科研論文，曾參與國家自然科學基金、華為云計算等科研項目。 明仲，博士，深圳大學研究生院執行院長、二級教授，博士生導師，廣東省移動互聯網應用中間件工程技術研究中心主任，鵬城學者特聘教授，曾獲國家教學成果獎1次和省教學成果一等獎4次。主要研究方向為人工智能、軟件工程和推薦系統，曾獄2013年度廣東省科學技術獎一等獎和2018年度中國電子學會科技進步一等獎。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
唐代進士錄
- >
伯納黛特,你要去哪(2021新版)
- >
朝聞道
- >
莉莉和章魚
- >
中國歷史的瞬間
- >
推拿
- >
月亮虎
本類暢銷
