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:

  • 正版新书]推荐系统 第2版刘宏志 吴中海9787111757030
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 刘宏志 吴中海著 | 刘宏志 吴中海编 | 刘宏志 吴中海译 | 刘宏志 吴中海绘
    • 出版社: 机械工业出版社
    • 出版时间:2018-01-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 刘宏志 吴中海著| 刘宏志 吴中海编| 刘宏志 吴中海译| 刘宏志 吴中海绘
    • 出版社:机械工业出版社
    • 出版时间:2018-01-01
    • 版次:2
    • 印次:1
    • 字数:385
    • 页数:229
    • 开本:16开
    • ISBN:9787111757030
    • 版权提供:机械工业出版社
  • 作者: 刘宏志 吴中海
  • 著: 刘宏志 吴中海
  • 装帧: 平装
  • 印次: 1
  • 定价: 55
  • ISBN: 9787111757030
  • 出版社: 机械工业出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2018-01-01
  • 页数: 229
  • 外部编号: 庄村27555
  • 版次: 2
  • 成品尺寸: 暂无
  • 目录
    第2版前言
    第1版前言
    第1章概述1
    1.1推荐系统简介1
    1.1.1信息超载1
    1.1.2长尾效应2
    1.1.3推荐系统的价值3
    1.2推荐系统的发展历史4
    1.3典型应用场景5
    1.3.1电商5
    1.3.2新闻6
    1.3.3音乐7
    1.4推荐系统框架8
    1.4.1用户画像9
    1.4.2项目画像10
    1.5推荐算法分类11
    1.5.1基于算法思想的分类11
    1.5.2基于应用问题的分类14
    习题15
    第2章基于邻域的协同过滤16
    2.1协同过滤简介16
    2.1.1基本思想16
    2.1.2算法分类17
    2.1.3一般流程17
    2.2基于用户的协同过滤18
    2.2.1TopN推荐20
    2.2.2评分预测23
    2.3基于项目的协同过滤25
    2.3.1TopN推荐26
    2.3.2评分预测29
    2.4基于距离的相似度度量30
    2.5邻域的选取32
    2.6Slope One算法33
    2.7基于二部图的协同过滤34
    2.7.1激活扩散模型35
    2.7.2物质扩散模型37
    2.7.3热传导模型39
    2.7.4基于图扩散的推荐系统42
    习题43
    第3章基于模型的协同过滤44
    3.1基于关联规则的协同过滤44
    3.1.1基本概念45
    3.1.2关联规则度量45
    3.1.3Apriori关联规则挖掘算法47
    3.1.4关联规则的相关分析48
    3.1.5基于关联规则的推荐系统49
    3.2基于矩阵分解的评分预测50
    3.2.1奇异值分解50
    3.2.2隐语义模型52
    3.2.3概率矩阵分解57
    3.2.4SVD++模型61
    3.3基于矩阵分解的TopN推荐62
    3.3.1基于正样本过采样的矩阵分解62
    3.3.2基于负样本欠采样的矩阵分解63
    习题64
    第4章基于内容和知识的推荐65
    4.1基于内容的推荐系统框架65
    4.2基于词向量空间模型的文本表示67
    4.2.1词袋模型67
    4.2.2TFIDF模型68
    4.2.3模型改进71
    4.2.4向量相似度度量71
    4.3基于语义的内容相似度72
    4.3.1基于本体的文本相似度72
    4.3.2基于网络知识的文本相似度73
    4.3.3基于语料库的文本相似度75
    4.4基于知识的推荐77
    4.4.1基于约束的推荐78
    4.4.2基于效用的推荐81
    4.4.3基于实例的推荐82
    4.4.4基于知识库的推荐84
    习题86
    第5章混合推荐系统87
    5.1混合推荐实例——Netflix百万美金公开赛87
    5.2混合/组合推荐的动机89
    5.2.1实践经验89
    5.2.2理论依据90
    5.3混合/组合方法分类92
    5.3.1有监督组合和无监督组合92
    5.3.2基推荐器间依赖关系93
    5.4并行式混合推荐94
    5.4.1加权式混合94
    5.4.2切换式混合95
    5.4.3排序混合96
    5.5串行式混合推荐97
    5.5.1级联过滤97
    5.5.2级联学习98
    5.6整体式混合推荐99
    5.6.1特征组合99
    5.6.2特征扩充100
    5.6.3基于图模型的混合100
    习题102
    第6章推荐系统评测103
    6.1评测视角103
    6.2实验方法104
    6.2.1在线实验104
    6.2.2用户调查105
    6.2.3离线实验106
    6.3评分预测评价指标107
    6.3.1MAE和MSE107
    6.3.2RMSE、NMAE和NRMSE108
    6.4TopN推荐评价指标109
    6.4.1分类准确度指标109
    6.4.2ROC曲线和AUC值111
    6.4.3基于排序的评价指标113
    6.4.4其他常用评价指标115
    6.5公开实验数据集116
    习题118
    第7章基于排序学习的推荐119
    7.1排序学习模型分类119
    7.2对级排序学习模型121
    7.2.1基本框架121
    7.2.2贝叶斯个性化排序123
    7.2.3协同对级排序学习125
    7.3列表级排序学习模型129
    7.3.1PPush CR算法129
    7.3.2CofiRank算法131
    习题133
    第8章基于情境感知的推荐134
    8.1情境信息的定义134
    8.2情境信息的获取136
    8.3基于情境感知的推荐系统框架136
    8.3.1数据立方体137
    8.3.2基于树的层次信息表达138
    8.4融合情境信息的推荐模型139
    8.4.1情境预过滤140
    8.4.2情境后过滤141
    8.5情境建模141
    8.5.1基于邻域的方法142
    8.5.2基于模型的方法143
    习题146
    第9章基于时空信息的推荐147
    9.1基于时间信息的推荐147
    9.1.1最近最热门推荐算法148
    9.1.2基于时间的项目协同过滤148
    9.1.3基于时间的用户协同过滤149
    9.1.4基于会话的推荐150
    9.2基于序列感知的推荐151
    9.2.1基于马尔可夫模型的序列预测152
    9.2.2基于循环神经网络的序列预测155
    9.2.3基于注意力机制的序列预测157
    9.3基于空间信息的推荐160
    9.3.1位置信息的获取与推理161
    9.3.2基于位置信息的推荐161
    9.3.3融合其他信息的推荐163
    习题163
    第10章基于社交关系的推荐164
    10.1社交关系数据164
    10.2基于邻域的社交化推荐166
    10.2.1基于用户的协同过滤166
    10.2.2基于图扩散的推荐167
    10.3基于模型的社交化推荐169
    10.3.1基于潜在社交因子学习的推荐169
    10.3.2基于显式社交关系的推荐171
    10.4基于社会曝光的协同过滤174
    习题176
    第11章基于异质信息网络的推荐177
    11.1基本概念177
    11.2基于邻域的HIN推荐算法178
    11.2.1基于随机游走的相关度度量178
    11.2.2基于元路径的相关度度量179
    11.2.3基于元路径和随机游走混合的相关度度量183
    11.3基于模型的HIN推荐算法183
    11.3.1两阶段融合模型183
    11.3.2端到端的学习模型188
    习题191
    第12章基于图神经网络的推荐192
    12.1图神经网络简介192
    12.1.1任务分类与定义193
    12.1.2一般流程与框架194
    12.1.3采样模块195
    12.1.4池化模块196
    12.1.5传播模块198
    12.2图神经网络典型算法202
    12.2.1GCN算法202
    12.2.2GraphSAGE算法204
    12.2.3GAT算法205
    12.3基于图神经网络的推荐算法207
    12.3.1基于用户项目二部图的协同过滤207
    12.3.2基于知识图谱的推荐209
    习题211
    实验1基于邻域协同过滤的TopN推荐212
    实验2基于矩阵分解的评分预测216
    实验3面向应用的推荐系统实现220
    参考文献229

    本书遵循教育部教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念,融入思政元素,注重理论与实践相结合。

    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