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

實用推薦系統

  • 作者：(丹麥)金·福爾克|責編:許艷|譯者:李源//朱罡罡//溫睿
  • 出版社：電子工業
  • ISBN：9787121420788
  • 出版日期：2021/10/01
  • 裝幀：平裝
  • 頁數：411
人民幣：RMB 119 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    要構建一個實用的「智能」推薦系統，不僅需要有好的演算法，還需要了解接收推薦的用戶。本書分為兩部分，第一部分側重於基礎架構，主要介紹推薦系統的工作原理，展示如何創建推薦系統，以及給應用程序增加推薦系統時，應該如何收集和應用數據；第二部分側重於演算法，介紹推薦系統演算法，以及如何使用系統收集的數據來計算向用戶推薦什麼內容。作者還教授了如何使用最流行的推薦演算法，並剖析它們在Amazon和Netflix等網站上的實際應用。
作者介紹
(丹麥)金·福爾克|責編:許艷|譯者:李源//朱罡罡//溫睿
    金·福爾克(Kim Falk)，是一位數據科學家，他在構建數據驅動的應用程序方面有著豐富的經驗。他對推薦系統和機器學習很感興趣。他所訓練的推薦系統，為用戶推薦合適的電影，為人們推送廣告，甚至幫助律師找到判例法的內容。自2010年以來，他一直從事大數據解決方案和機器學習方面的工作。Kim經常參與有關推薦系統的演講和寫作。     當Kim不工作的時候，他就是一個居家男人，是一位父親，會帶著他的德國短毛指示犬進行越野跑。
目錄
第1部分　推薦系統的準備工作
  第1章  什麼是推薦
    1.1  現實生活中的推薦
      1.1.1  推薦系統在互聯網上大顯身手
      1.1.2  長尾
      1.1.3  Netflix 的推薦系統
      1.1.4  推薦系統的定義
    1.2  推薦系統的分類
      1.2.1  域
      1.2.2  目的
      1.2.3  上下文
      1.2.4  個性化級別
      1.2.5  專家意見
      1.2.6  隱私與可信度
      1.2.7  介面
      1.2.8  演算法
    1.3  機器學習與Netflix Prize
    1.4  MovieGEEKs網站
      1.4.1  設計與規範
      1.4.2  架構
    1.5  構建一個推薦系統
    小結
  第2章  用戶行為以及如何收集用戶行為數據
    2.1  在瀏覽網站時Netflix如何收集證據
      2.1.1  Netflix 收集的證據
    2.2  尋找有用的用戶行為
      2.2.1  捕獲訪客印象
      2.2.2  可以從瀏覽者身上學到什麼
      2.2.3  購買行為
      2.2.4  消費商品
      2.2.5  訪客評分
      2.2.6  以（舊的）Netflix方式了解你的用戶
    2.3  識別用戶
    2.4  從其他途徑獲取訪客數據
    2.5  收集器
      2.5.1  構建項目文件
      2.5.2  數據模型
      2.5.3  告密者（snitch）：客戶端證據收集器
      2.5.4  將收集器集成到MovieGEEKs中
    2.6  系統中的用戶是誰以及如何對其進行建模
    小結
  第3章  監控系統
    3.1  為什麼添加儀錶盤是個好主意
      ……
  第4章  評分及其計算方法
  第5章  非個性化推薦
  第6章  冷用戶（冷商品）
第2部分  推薦演算法
  第7章  找出用戶之間和商品之間的相似之處
  第8章  鄰域協同過濾

  第9章  評估推薦系統
  第10章  基於內容的過濾
  第11章  用矩陣分解法尋找隱藏特徵
  第12章  運用佳演算法來實現混合推薦
  第13章  排序和排序學習
  第14章  推薦系統的未來

  • 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