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

多源信息增強的序列推薦方法研究

  • 作者：陳皖玉//張一嘉//張海燕//黃浩恩//蔡飛等|責編:黃旺
  • 出版社：湖南大學
  • ISBN：9787566741240
  • 出版日期：2025/07/01
  • 裝幀：平裝
  • 頁數：153
人民幣：RMB 39 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    如何有效利用用戶會話行為或物品屬性等信息提高對當前會話意圖建模的準確性值得進一步探索；對於用戶長期歷史行為存在的序列推薦場景，如何有效利用用戶長期歷史行為數據以及用戶關聯的社交網路等信息是進一步提高序列推薦的個性化和精準性的關鍵問題。本書基於對多場景下用戶序列行為的分析，採用多源信息增強的方法，構建多個智能推薦模型，旨在為序列推薦方法提供豐富的監督學習信號，提高序列推薦的精準性和個性化水平。
作者介紹
陳皖玉//張一嘉//張海燕//黃浩恩//蔡飛等|責編:黃旺
目錄
第1章  緒論
  1.1  研究背景
  1.2  研究問題和意義
  1.3  研究現狀
  1.4  本書研究內容和組織結構
第2章  基於全局關聯關係的自監督圖學習會話型推薦方法
  2.1  引言
  2.2  相關工作分析
  2.3  相關理論與技術
  2.4  模型框架
  2.5  實驗設計
  2.6  實驗結果與討論
  2.7  本章小結
第3章  基於鄰居和類別關聯關係的超圖會話型推薦方法
  3.1  引言
  3.2  相關工作分析
  3.3  相關理論與技術
  3.4  模型框架
  3.5  實驗設計
  3.6  實驗結果與討論
  3.7  本章小結
第4章  基於分層注意力機制的查詢推薦方法
  4.1  引言
  4.2  相關工作分析
  4.3  模型描述
  4.4  實驗設置
  4.5  實驗結果分析與討論
  4.6  本章小結
第5章  基於用戶長短期行為動態交互的個性化推薦方法
  5.1  引言
  5.2  相關工作分析
  5.3  模型描述
  5.4  實驗設置
  5.5  實驗結果分析與討論
  5.6  本章小結
第6章  基於社交網路表徵學習的時序推薦方法
  6.1  引言
  6.2  相關工作分析
  6.3  模型描述
  6.4  實驗設置
  6.5  實驗結果分析與討論
  6.6  本章小結
第7章  總結與展望
  7.1  本書工作總結
  7.2  下一步研究展望

  • 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