返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 深度匹配学习 面向搜索与推荐 徐君,何向南,李航 著 朱小虎 译 专业科技 文轩网
  • 新华书店正版
    • 作者: 徐君、何向南、李航著 | | 朱小虎译
    • 出版社: 人民邮电出版社
    • 出版时间:2023-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 徐君、何向南、李航著| 朱小虎译
    • 出版社:人民邮电出版社
    • 出版时间:2023-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-01-01
    • 页数:190
    • 开本:32开
    • 装帧:平装
    • ISBN:9787115605146
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    深度匹配学习 面向搜索与推荐

    作  者:徐君,何向南,李航 著 朱小虎 译
    定  价:69.8
    出 版 社:人民邮电出版社
    出版日期:2023年01月01日
    页  数:204
    装  帧:平装
    ISBN:9787115605146
    主编推荐

    - 人工智能大咖徐君、何向南、李航联袂创作 - 用深度学习助力搜索引擎和推荐系统 信息科学的一大基本问题是如何从庞大的信息库中识别满足用户需求的信息。虽然搜索和推荐都属于信息访问范式,但二者的信息提供机制各异。本书从语义匹配的角度为搜索和推荐提供了统一的框架,归纳和总结了深度匹配学习领域的前沿成果,旨在帮助深度匹配模型更广泛地应用于与搜索和推荐相关的互联网产品。

    内容简介

    本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点,为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题,以及近年来的研究进展。第2章介绍传统匹配模型,包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型,并将当前的深度学习解决方案分为两类:表示学习方法和匹配函数学习方法。第6章对全书内容做了总结,并为读者指明进一步学习的方向。本书适合对深度学习感兴趣的各类读者,包括相关专业的本科生、研究生、博士生,以及从事信息检索、搜索引擎、推荐系统、计算广告相关工作的软件工程师。

    作者简介

    【作者简介】 徐君 中国人民大学杰出特聘教授、博导。曾就职于微软亚洲研究院、华为技术有限公司诺亚方舟实验室和中国科学院计算技术研究所。主要研究方向包括信息检索、因果分析和数据挖掘等。发表论文100余篇,担任多个国际期刊的编委或副主编,主持多项国家项目。 何向南 中国科学技术大学教授、博导,国家高层次青年人才计划入选者。研究方向包括推荐系统、数据挖掘、因果推理等,在SIGIR、KDD、WWW等国际学术会议上发表论文100余篇,爱思唯尔中国高被引学者,阿里巴巴达摩院青橙奖获得者。担任多个国际期刊的编委或副主编,主持多项重量项目,研究成果在多个商业公司的线上系统中获得应用,取得积极效果。 李航 字节跳动科技有限公司研究部门负责人。ACL会士、IEEE会士、ACM杰出科学家。京都大学毕业,东京大学博士。曾就职于NEC公司中央研究所、微软亚洲研究院、华为技术有限公司诺亚方舟实验室。主要研null

    精彩内容

    目录
    第1章引论1
    1.1搜索和推荐1
    1.2从匹配的角度统一搜索和推荐2
    1.3搜索中的不匹配问题4
    1.4推荐系统中的不匹配问题5
    1.5近期新进展7
    1.6关于本书8
    第2章传统匹配模型11
    2.1匹配学习11
    2.1.1匹配函数11
    2.1.2匹配函数的学习12
    2.2搜索和推荐中的匹配模型17
    2.2.1搜索中的匹配模型18
    2.2.2推荐中的匹配模型18
    2.2.3潜在空间中的匹配19
    2.3搜索中的潜在空间模型21
    2.3.1PLS21
    2.3.2RMLS22
    2.3.3SSI23
    2.4推荐中的潜在空间模型24
    2.4.1BMF25
    2.4.2FISM26
    2.4.3FM27
    2.5延伸阅读28
    第3章用于匹配的深度学习29
    3.1深度学习概述29
    3.1.1深度神经网络29
    3.1.2表示学习40
    3.2用于匹配的深度学习概述46
    3.2.1深度匹配的通用框架46
    3.2.2深度匹配的典型架构48
    3.2.3深度匹配的设计原理50
    第4章搜索中的深度匹配模型53
    4.1基于表示学习的匹配模型55
    4.1.1总体框架55
    4.1.2FNN表示56
    4.1.3CNN表示58
    4.1.4RNN表示63
    4.1.5无监督方法和弱监督方法下的表示学习64
    4.1.6表示多模态的查询和文档68
    4.1.7实验结果72
    4.2基于匹配函数学习的查询–文档匹配模型73
    4.2.1总体框架73
    4.2.2用匹配矩阵学习匹配函数74
    4.2.3用注意力机制学习匹配函数81
    4.2.4搜索中的匹配函数学习86
    4.2.5实验结果91
    4.3讨论和延伸阅读93
    4.3.1讨论93
    4.3.2延伸阅读95
    第5章推荐中的深度匹配模型101
    5.1基于表示学习的匹配102
    5.1.1从无序交互中学习表示103
    5.1.2从顺序交互中学习表示108
    5.1.3从多模态内容中学习表示118
    5.1.4从图数据中学习表示126
    5.2基于匹配函数学习的匹配133
    5.2.1双路匹配134
    5.2.2多路匹配140
    5.3延伸阅读145
    5.3.1论文146
    5.3.2基准数据集147
    5.3.3开源软件库148
    第6章结论和未来研究方向149
    6.1总结149
    6.2其他任务中的匹配150
    6.3开放问题和未来发展方向151
    术语缩写表155
    参考文献157

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购