幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

推薦系統(技術評估及高效演算法原書第2版)/電腦科學叢書

  • 作者：(美)弗朗西斯科·里奇//利奧·羅卡奇//布拉哈·夏皮拉|譯者:李艷民//吳賓//潘微科//劉淇//蔣凡
  • 出版社：機械工業
  • ISBN：9787111600756
  • 出版日期：2018/07/01
  • 裝幀：平裝
  • 頁數：636
人民幣：RMB 139 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    弗朗西斯科·里奇、利奧·羅卡奇、布拉哈·夏皮拉著的《推薦系統(技術評估及高效演算法原書第2版)/電腦科學叢書》匯聚不同領域專家學者的理論成果和實踐經驗，全面介紹推薦系統的主要概念、理論、趨勢、挑戰和應用，詳細闡釋如何支持用戶決策、計劃和購買過程。書中既詳細講解了經典方法，又介紹了一些新的研究成果，內容涵蓋人工智慧、人機交互、信息技術、數據挖掘、統計學、自適應用戶界面、決策支持系統、市場和客戶行為等。無論是從事技術開發的讀者，還是從事產品營銷的讀者，都能從中受益。
    全書分五部分，共28章。第1章是概述，系統介紹推薦系統的概念、功能、應用領域以及當前應用過程中遇到的問題與挑戰。第一部分（第2?7章）展示如今構建推薦系統最流行和最基礎的技術，如協同過濾、基於語義的方法、數據挖掘方法和基於情境感知的方法。第二部分（第8?10章）主要關注離線和真實用戶環境下用於評估推薦質量的技術及方法。第三部分（第11?17章）包括一些推薦技術多樣性的應用，首先簡述與工業實現和推薦系統開發相關的一般性問題，隨後詳細介紹推薦系統在各領域中的應用：音樂、學習、移動、社交網路及它們之間的交互。第四部分（第18?21章）包含探討一系列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦系統相關的重要問題。第五部分（第22?28章）收集了一些關於高級話題的文章，例如，利用主動學習技術來引導新知識的學習，構建能夠抵擋惡意用戶攻擊的健壯推薦系統的合適技術，以及結合多種用戶反饋和偏好來生成更加可靠的推薦系統。
作者介紹
(美)弗朗西斯科·里奇//利奧·羅卡奇//布拉哈·夏皮拉|譯者:李艷民//吳賓//潘微科//劉淇//蔣凡
目錄
出版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡介
第1章  推薦系統：簡介和挑戰
  1.1  簡介
  1.2  推薦系統的功能
  1.3  數據和知識來源
  1.4  推薦技術
  1.5  推薦系統評估
  1.6  推薦系統應用
  1.7  推薦系統與人機交互
  1.8  高級話題
  1.9  挑戰
    1.9.1  偏好獲取與分析
    1.9.2  交互
    1.9.3  新的推薦任務
  參考文獻
第一部分  推薦系統技術
  第2章  基於鄰域的推薦方法綜述
    2.1  簡介
      2.1.1  基於鄰域方法的優勢
      2.1.2  目標和概要
    2.2  問題定義和符號
    2.3  基於鄰域的推薦
      2.3.1  基於用戶的評分預測
      2.3.2  基於用戶的分類預測方法
      2.3.3  回歸與分類
      2.3.4  基於物品的推薦
      2.3.5  基於用戶和基於物品的推薦方法的比較
    2.4  基於鄰域方法的要素
      2.4.1  評分標準化
      2.4.2  相似度權重的計算
      2.4.3  鄰域的選擇
    2.5  高級進階技術
      2.5.1  基於圖的方法
      2.5.2  基於學習的方法
    2.6  總結
    參考文獻
  第3章  協同過濾方法進階
    3.1  簡介
    3.2  預備知識
      3.2.1  基準預測
      3.2.2  Netflix數據
      3.2.3  隱式反饋
    3.3  矩陣分解模型
      3.3.1  SVD

      3.3.2  SVD++
      3.3.3  時間敏感的因子模型
      3.3.4  比較
      3.3.5  小結
    3.4  基於鄰域的模型
      3.4.1  相似度度量
      3.4.2  基於相似度的插值
      3.4.3  聯合派生插值權重
      3.4.4  小結
    3.5  增強的基於鄰域的模型
      3.5.1  全局化的鄰域模型
      3.5.2  因式分解的鄰域模型
      3.5.3  基於鄰域模型的動態時序
      3.5.4  小結
    3.6  基於鄰域的模型和因子分解模型的比較
    參考文獻
  第4章  基於內容的語義感知推薦系統
    4.1  簡介
  ……
  第5章  基於約束的推薦系統
  第6章  情境感知推薦系統
  第7章  推薦系統中的數據挖掘方法
第二部分  推薦系統評估
  第8章  推薦系統的評估
  第9章  使用用戶實驗評估推薦系統
  第10章  對推薦結果的解釋：設計和評估
第三部分  推薦系統應用
  第11章  工業界的推薦系統：Netflix案例分析
  第12章  輔助學習的推薦系統綜述
  第13章  音樂推薦系統
  第14章  剖析基於位置的移動推薦系統
  第15章  社會化推薦系統
  第16章  人與人之間的相互推薦
  第17章  社交網路搜索中的協作、信用機制和推薦系統
第四部分  人機交互
  第18章  人類決策過程與推薦系統
  第19章  推薦系統中的隱私問題
  第20章  影響推薦系統可信度評估的來源因素
  第21章  用戶性格和推薦系統
第五部分  高級話題
  第22章  組推薦系統：聚合、滿意度和組屬性
  第23章  推薦系統中的聚合功能
  第24章  推薦系統中的主動學習
  第25章  多準則推薦系統
  第26章  推薦系統中的新穎性和多樣性
  第27章  跨領域推薦系統
  第28章  具有魯棒性的協同推薦

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032