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
深度學習在推薦系統中的應用 版權信息
- ISBN：9787030686190
- 條形碼：9787030686190 ; 978-7-03-068619-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習在推薦系統中的應用 內容簡介
針對國內外**系統技術熱點問題，作者在**系統、深度學習領域基礎理論方面進行了深入探索研究，借鑒國內外已有資料和前人成果，經過分析論證，圍繞基于內容和知識的**、混合著*、深度學習、基于深度學習的**以及輔助學習的**等五個方面的基本概念、研究現狀、主要研究問題、待解決的問題以及未來的發展趨勢等，形成支持新一代**系統技術的一些新思路。其目的是增進社會各界對基于深度學習的**系統技術發展情況和應用前景的深入體驗和更加全面的認識，進而推進**系統技術發展和完善。
深度學習在推薦系統中的應用 目錄
目錄前言第1章 概述 11.1 什么是**系統 11.2 **系統的發展歷史 21.3 **算法分類 51.3.1 基于內容的**算法 51.3.2 基于協同過濾的**算法 61.3.3 混合**算法 91.4 **系統應用 111.5 **系統面臨的挑戰 13第2章 基于內容和知識的** 182.1 基于語義的** 182.1.1 語義網基本概念 182.1.2 資源描述框架 192.1.3 本體描述語言 212.1.4 本體語義推理 232.1.5 隱語義** 252.2 基于內容的** 302.2.1 item representation 312.2.2 profile learning 322.2.3 recommendation generation 342.3 基于約束的** 352.3.1 基本概念 352.3.2 會話式**系統的交互過程 382.3.3 實際應用經驗 382.3.4 未來的研究方向 392.4 基于效用的** 402.4.1 基本概念 402.4.2 個性化**的影響因素 402.4.3 基于效用的個性化**的實現 422.4.4 其他研究方法 44第3章 協同過濾 463.1 協同過濾簡介 463.1.1 基本思想 473.1.2 算法分類 483.1.3 一般流程 483.2 基于鄰域的協同過濾 513.2.1 基于用戶的協同過濾 513.2.2 基于項目的協同過濾 563.3 基于模型的協同過濾 683.3.1 基于關聯規則的協同過濾 683.3.2 基于矩陣分解的協同過濾 76第4章 混合**系統 884.1 混合**系統分類 884.1.1 混合**系統的價值 884.1.2 混合**系統的實現方案 894.1.3 對混合**系統的思考 934.2 基于情景感知的** 954.2.1 情景信息的表征性方法 964.2.2 基于情景感知的用戶興趣模型 974.2.3 高級情景獲取 1014.2.4 情景前過濾 1024.2.5 情景后過濾 1034.2.6 情景建模 1034.3 基于時空信息的** 1044.3.1 路線** 1064.3.2 連續興趣點** 1064.3.3 融合時空信息的連續興趣點** 1074.3.4 停留點的檢測 1094.3.5 相似度計算 1124.3.6 時間序列建模 1134.4 基于異質信息網絡的** 1154.4.1 異質信息網絡 1154.4.2 基于異質信息網絡的**算法 1164.4.3 帶權元路徑中的相似性度量 1174.4.4 基于異質信息網絡的矩陣分解 1194.4.5 非對稱的異質信息網絡**算法 120第5章 深度學習 1235.1 神經網絡 1245.1.1 人腦神經網絡 1245.1.2 人工神經網絡 1255.1.3 神經網絡發展歷史 1295.2 前饋神經網絡 1295.2.1 前饋神經網絡介紹 1295.2.2 反向傳播算法 1315.2.3 隨機梯度下降法 1335.2.4 優化算法 1345.2.5 權重初始值的合理設置 1385.3 自編碼器 1395.3.1 稀疏自編碼器 1405.3.2 降噪自編碼器 1415.3.3 堆疊自編碼器 1425.4 深度信念網絡 1435.4.1 玻爾茲曼機 1435.4.2 受限玻爾茲曼機 1455.4.3 深度信念網絡概述 1485.5 深度生成模型 1505.5.1 變分自編碼 1515.5.2 對抗網絡的生成 1555.6 卷積神經網絡 1575.6.1 卷積的意義 1575.6.2 卷積神經網絡組成 1585.6.3 卷積神經網絡特點 1595.6.4 卷積神經網絡架構 1605.7 循環神經網絡 1645.7.1 簡單循環神經網絡 1655.7.2 基于門控的循環神經網絡 1675.7.3 深層循環神經網絡 1705.8 圖神經網絡 1715.8.1 圖結構 1715.8.2 圖神經網絡的分類 1725.9 強化學習 1765.9.1 強化學習介紹 1765.9.2 基于值函數的學習方法 1835.9.3 基于策略函數的學習方法 188第6章 基于深度學習的**系統應用 1906.1 深度學習在基于內容的**系統中的應用 1906.1.1 基于多層感知機的方法 1916.1.2 基于卷積神經網絡的方法 1926.1.3 基于循環神經網絡的方法 1956.1.4 基于深度信念網絡的方法 1976.2 深度學習在協同過濾中的應用 1976.2.1 基于自編碼器的協同過濾算法 1986.2.2 基于受限玻爾茲曼機的協同過濾算法 1996.2.3 基于循環神經網絡的協同過濾算法 2016.2.4 基于生成對抗網絡的協同過濾算法 2036.2.5 基于其他深度學習模型的協同過濾算法 2046.3 基于圖神經網絡的**系統的應用 2056.3.1 **系統概述 2056.3.2 圖神經網絡技術 2066.3.3 基于圖神經網絡的社交**研究 2066.3.4 基于圖神經網絡的二部圖**研究 2096.3.5 基于知識圖譜的**研究 2116.3.6 基于圖神經網絡的序列**研究 2136.4 深度學習在混合**系統中的應用 2156.5 基于深度強化學習的**系統 2196.5.1 靜態場景下的強化**算法 2206.5.2 動態場景下的強化**算法 2226.6 基于深度學習的**研究發展趨勢 223第7章 輔助學習的**系統 2287.1 輔助學習簡介 2287.2 國內個性化**主要成就 2307.3 基于協同過濾的學習資源個性化** 2317.3.1 相關概念 2317.3.2 實現步驟 2327.3.3 個性化**特點 2347.4 課程**系統 2357.4.1 實現步驟 2367.4.2 課程**的特點 2367.5 評估**系統對教育的影響 2387.6 輔助學習**系統面臨的挑戰 242參考文獻 244
展開全部
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
名家帶你讀魯迅:故事新編
- >
龍榆生：詞曲概論/大家小書
- >
回憶愛瑪儂
- >
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)
- >
山海經
- >
月亮與六便士
本類暢銷
