由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]推荐系统:原理与实践黎玲利9787111600329
¥ ×1
出版者的话
译者序
前言
致谢
作者简介
第1章 推荐系统概述
1.1 引言
1.2 推荐系统的目标
1.2.1 推荐系统应用范围
1.3 推荐系统的基本模型
1.3.1 协同过滤模型
1.3.2 基于内容的推荐系统
1.3.3 基于知识的推荐系统
1.3.4 人口统计推荐系统
1.3.5 混合集成的推荐系统
1.3.6 对推荐系统的评价
1.4 推荐系统领域特有的挑战
1.4.1 基于上下文的推荐系统
1.4.2 时间敏感的推荐系统
1.4.3 基于位置的推荐系统
1.4.4 社交信息系统
1.5 高级论题和应用
1.5.1 推荐系统中的冷启动问题
1.5.2 抗攻击推荐系统
1.5.3 组推荐系统
1.5.4 多标准推荐系统
1.5.5 推荐系统中的主动学习
1.5.6 推荐系统中的隐私问题
1.5.7 应用领域
1.6 小结
1.7 相关工作
1.8 习题
第2章 基于近邻的协同过滤
2.1 引言
2.2 评分矩阵的关键性质
2.3 通过基于近邻的方法预测评分
2.3.1 基于用户的近邻模型
2.3.2 基于物品的近邻模型
2.3.3 高效的实现和计算复杂度
2.3.4 基于用户的方法和基于物品的方法的比较
2.3.5 基于近邻方法的优劣势
2.3.6 基于用户的方法和基于物品的方法的联合
2.4 聚类和基于近邻的方法
2.5 降维与近邻方法
2.5.1 处理偏差
2.6 近邻方法的回归模型视角
2.6.1 基于用户的最近邻回归
2.6.2 基于物品的最近邻回归
2.6.3 基于用户的方法和基于物品的方法的结合
2.6.4 具有相似度权重的联合插值
查鲁·C.阿加沃尔,IBM T.J.Watson研究中心杰出研究人员(DRSM),于1996年在MIT获得博士学位。他对数据挖掘领域有着广泛的研究。在靠前会议和期刊上发表了300余篇论文。申请了90余项专利。他曾三次被评为IBM的“杰出发明人”(Master Inventor)。并曾获得IBM公司奖(IBM Corporate Award,2003)、IBM杰出创新奖和两项IBM杰出技术成就奖(2009,2015)。他因为提出基于冷凝的数据挖掘中的隐私保护技术而获得EDBT2014的时间检验奖(Test of Time Award)。他还获得了IEEE ICDM研究贡献奖(2015),这是数据挖掘领域对具有突出贡献的研究的两项优选奖项之一。
他曾多次担任ACM/IEEE知名靠前学术会议的或程序委员会。并担任大数据相关多个知名期刊的主编或编委。由于在知识发现和数据挖掘算法上的贡献,他入选SIAM、ACM和IEEE的会士。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格