同類熱銷排行榜

基於社交關係的個性化推薦方法

作者：陳銳//黃敏|責編:王體輝
出版社：上海科技
ISBN：9787547870365

出版日期：2025/03/01
裝幀：平裝
頁數：275

人民幣：RMB 108 元售價：元

內容大鋼

推薦系統是互聯網時代商業價值的應用之一，是人工智慧、大數據的研究熱點領域之一，它在電子商務、社交媒體、視頻網站和新聞資訊平台等領域發揮著重要作用。本書介紹了推薦系統的研究進展和主要技術方法，旨在反映社會化推薦方法的主要技術，為相關科研人員的研究提供參考。全書分6章。第1章介紹推薦系統的發展歷史和主要應用，第2章介紹基於近鄰的協同過濾推薦方法，第3章介紹基於模型的協同過濾推薦方法，第4章介紹基於社交關係的矩陣分解推薦方法，第5章介紹基於深度學習的社會化推薦方法，第6章介紹基於圖神經網路的社會化推薦方法。
本書可供有志於從事個性化推薦、社交網路分析的相關研究人員及高等院校有關專業研究生、本科生閱讀，也可供從事電子商務、數字媒體技術、計算廣告學的研究人員參考。

作者介紹

陳銳//黃敏|責編:王體輝

第1章  推薦系統概述
  1.1  引言
  1.2  信息過濾工具——信息檢索與推薦系統
  1.3  推薦系統的發展歷史
  1.4  個性化推薦系統的應用
  1.5  常用數據集與評測方法
  1.6  推薦系統面臨的挑戰
  1.7  本章小結
參考文獻
第2章  基於近鄰的協同過濾推薦演算法
  2.1  引言
  2.2  基於用戶的協同過濾推薦演算法
  2.3  基於項目的協同過濾推薦演算法
  2.4  基於內存的社交關係推薦演算法
  2.5  基於圖的推薦演算法
  2.6  本章小結
參考文獻
第3章  基於模型的協同過濾推薦演算法
  3.1  引言
  3.2  基於概率的協同過濾推薦演算法
  3.3  基於矩陣分解的協同過濾推薦演算法
  3.4  因子分解機技術
  3.5  本章小結
參考文獻
第4章  基於社交關係的矩陣分解推薦演算法
  4.1  引言
  4.2  基於社交網路推薦系統的形式化定義和基本框架
  4.3  基於概率矩陣分解的社交網路推薦技術
  4.4  增強的社交矩陣分解模型
  4.5  基於社交關係預測反饋機制的推薦演算法
  4.6  本章小結
參考文獻
第5章  基於深度學習的社會化推薦方法
  5.1  深度學習與推薦系統
  5.2  NeuralCF模型
  5.3  Wide &.Deep模型
  5.4  Word2Vec模型
  5.5  DeepFM模型
  5.6  xDeepFM模型
  5.7  TrustSVD模型
  5.8  DIN模型
  5.9  NeuMF模型
  5.10  EMARec模型
  5.11  本章小結
參考文獻
第6章  基於圖神經網路的社會化推薦方法
  6.1  圖神經網路推薦模型的特點
  6.2  圖卷積網路推薦模型
  6.3  圖注意力網路推薦模型
  6.4  圖自動編碼器推薦模型

  6.5  圖生成網路推薦模型
  6.6  本章小結
參考文獻
索引

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

基於社交關係的個性化推薦方法