幫助中心 | 我的帳號 | 關於我們

推薦系統核心技術與實踐

  • 作者:編者:游雪琪//劉建濤|責編:魏瑩
  • 出版社:清華大學
  • ISBN:9787302681946
  • 出版日期:2025/03/01
  • 裝幀:平裝
  • 頁數:352
人民幣:RMB 99 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書循序漸進地講解了使用Python語言開發推薦系統的核心知識,並通過實例的實現過程演練了各個知識點的使用方法和使用流程。全書共分12章,內容包括推薦系統基礎知識介紹、基於內容的推薦、協同過濾推薦、混合推薦、基於標籤的推薦、基於知識圖譜的推薦、基於隱語義模型的推薦、基於神經網路的推薦模型、序列建模和注意力機制、強化推薦學習、電影推薦系統、動漫推薦系統等。本書內容講解簡潔而不失技術深度,內容豐富全面,用簡練的文字介紹了複雜的案例,易於讀者學習。
    本書適用於已經了解了Python語言基礎語法,想進一步學習機器學習、深度學習、推薦系統技術的讀者,還可以作為高等院校相關專業師生和培訓機構的教材。

作者介紹
編者:游雪琪//劉建濤|責編:魏瑩

目錄
第1章  推薦系統基礎知識介紹
  1.1  推薦系統簡介
    1.1.1  推薦系統的應用領域
    1.1.2  推薦系統的重要性
  1.2  推薦系統和人工智慧
    1.2.1  機器學習
    1.2.2  深度學習
    1.2.3  推薦系統與人工智慧的關係
  1.3  推薦系統演算法概覽
  1.4  推薦系統面臨的挑戰
    1.4.1  用戶隱私和數據安全問題
    1.4.2  推薦演算法的偏見和歧視
    1.4.3  推薦演算法面臨的社會影響和道德考量
第2章  基於內容的推薦
  2.1  文本特徵提取
    2.1.1  詞袋模型
    2.1.2  n-gram模型
    2.1.3  特徵哈希
  2.2  TF-IDF(詞頻-逆文檔頻率)
    2.2.1  詞頻計算
    2.2.2  逆文檔頻率計算
    2.2.3  TF-IDF權重計算
  2.3  詞嵌入
    2.3.1  分散式表示方法
    2.3.2  使用Word2Vec模型
    2.3.3  使用GloVe模型
  2.4  主題模型
    2.4.1  潛在語義分析
    2.4.2  隱含狄利克雷分佈
    2.4.3  主題模型的應用
  2.5  文本分類和標籤提取
    2.5.1  傳統機器學習
    2.5.2  卷積神經網路
    2.5.3  循環神經網路
  2.6  文本情感分析
    2.6.1  機器學習方法
    2.6.2  深度學習方法
第3章  協同過濾推薦
  3.1  協同過濾推薦介紹
  3.2  基於用戶的協同過濾
    3.2.1  基於用戶的協同過濾推薦演算法的基本步驟
    3.2.2  使用Python實現基於用戶的協同過濾推薦
  3.3  基於物品的協同過濾
    3.3.1  計算物品之間的相似度
    3.3.2  協同過濾推薦實踐
  3.4  基於模型的協同過濾
    3.4.1  矩陣分解模型
    3.4.2  基於圖的模型
  3.5  混合型協同過濾
第4章  混合推薦

第5章  基於標籤的推薦
第6章  基於知識圖譜的推薦
第7章  基於隱語義模型的推薦
第8章  基於神經網路的推薦模型
第9章  序列建模和注意力機制
第10章  強化推薦學習
第11章  電影推薦系統
第12章  動漫推薦系統

  • 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