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

Python推薦系統實戰(基於深度學習NLP和圖演算法的應用型推薦系統)

  • 作者：(印)阿克謝·庫爾卡尼//阿達沙·希瓦南達//安努什·庫爾卡尼//V.阿迪西亞·克里希南|責編:文開琪|譯者:歐拉
  • 出版社：清華大學
  • ISBN：9787302657408
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：198
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書分為4部分，包含11章。首先介紹推薦系統的基本方法，接著探討當前流行的一些方法，具體包括協同過濾推薦系統、內容推薦系統以及混合推薦系統。接下來討論如何運用當前的機器學習演算法來實現推薦系統。最後討論推薦系統的相關趨勢和新興技術。
    本書特別適合零基礎的數據科學工作者參考和使用。它可以幫助讀者從基礎知識起步，逐步學習運用Python、深度學習和自然語言處理技術來構建推薦系統，以促進業務增長和提高客戶忠誠度。
作者介紹
(印)阿克謝·庫爾卡尼//阿達沙·希瓦南達//安努什·庫爾卡尼//V.阿迪西亞·克里希南|責編:文開琪|譯者:歐拉
目錄
第Ⅰ部分  基本方法
  第1章  推薦系統簡介
    什麼是推薦引擎
    推薦引整的半型dn
    基於規則的推薦系統
      流行度
      全球流行的商品
      按國家計算熱銷商品
      再次購買
    小結
  第2章  超市購物車分析（關聯規則挖掘）
    實現
      數據收集
      清洗數據
      從數據集獲取的洞察
      基於DateTime的模式
      免費商品和銷售
      熱銷商品
    經常一起購買的商品
      Apriori演算法概念
      關聯規則
      新建函數
      關聯規則的可視化
    小結
第Ⅱ部分  流行方法
  第3章  內容過濾
    數據收集和下載詞嵌入
    將數據導入為DataFrame
    預處理數據
      文本轉為特徵
      OHE
      詞頻向量器CountVectorizer
      TF-IDF
      詞嵌入
    相似性度量
      歐幾里得距離
      餘弦相似度
      曼哈頓距離
    使用CountVectorizer構建模型
    使用TF-IDF特徵構建模型
    使用Word2vec特徵構建模型
    使用fast Text特徵構建模型
    使用GloVe特徵構建模型
    使用共現矩陣構建模型
    小結
  第4章  協同過濾
    實現
    數據收集
    關於數據集
    基於內存的方法

    基於客戶對客戶的協同過濾
      實現
      項目對項目的協同過濾
      實現
    基於KNN的方法
    機器學習
      監督式學習
    小結
  第5章  使用矩陣分解、奇異值分解和共聚類的協同過濾
    實現矩陣分解、共聚類和SVD
    實現NMF
    實現共聚類
    實現SVD
    獲取推薦
    小結
  第6章  混合推薦系統
    實現
    數據收集
    數據準備
    模型構建
    合併訓練集和測試集后的最終模型
    獲取推薦
    小結
第Ⅲ部分  先進的機器學習演算法
  第7章  基於聚類的推薦系統
      數據收集和下載所需的詞嵌入
      預處理數據
      探索性數據分析
      標籤編碼
    模型構建
      k均值聚類
      肘部方法
      層次聚類
    小結
  第8章  基於分類演算法的推薦系統
    方法
    數據收集以及下載詞嵌入
      以DataFrame（pandas）形式導入數據
    數據預處理
    特徵工程
    探索性數據分析
    模型構建
      拆分訓練集和測試集
      邏輯回歸
      實現
      決策樹
      實現
      隨機森林
      實現
      KNN

      實現
    小結
第Ⅳ部分  相關趨勢和新技術
  第9章  基於深度學習的推薦系統
    深度學習（人工神經網路）基礎
    神經協同過濾（NCF）
    實現
    數據收集
    以DataFrame（pandas）形式導入數據
    數據預處理
    拆分訓練集和測試集
    建模和推薦
    小結
  第10章  基於圖的推薦系統
    實現
    小結
  第11章  新興領域和新技術
    實時推薦
    對話式推薦
    上下文感知推薦系統
    多任務推薦系統
    聯合表徵學習
    小結

  • 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