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:
本店所有商品

  • 醉染图书移动数据挖掘9787111562566
  • 正版全新
    • 作者: 连德富 等 编著著 | 连德富 等 编著编 | 连德富 等 编著译 | 连德富 等 编著绘
    • 出版社: 机械工业出版社
    • 出版时间:2017-05-01
    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:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 连德富 等 编著著| 连德富 等 编著编| 连德富 等 编著译| 连德富 等 编著绘
    • 出版社:机械工业出版社
    • 出版时间:2017-05-01
    • 版次:1
    • 印次:1
    • 页数:137
    • 开本:16开
    • ISBN:9787111562566
    • 版权提供:机械工业出版社
    • 作者:连德富 等 编著
    • 著:连德富 等 编著
    • 装帧:精装
    • 印次:1
    • 定价:69.00
    • ISBN:9787111562566
    • 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:2017-05-01
    • 页数:137
    • 外部编号:1201510208
    • 版次:1
    • 成品尺寸:暂无

    丛书前言
    前言
    作者简介
    章引言1
    1.1移动数据及其价值1
    1.2概念与定义4
    1.3挑战5
    1.4本书简介7
    第2章移动数据预处理10
    2.1移动数据简介10
    2.2缺失数据补全18
    2.2.1公交卡的上下点补全19
    2.2.2地点类别补全
    .重要地点检测25
    2.4语义信息标注29
    2.4.1区域功能标记29
    2.4.2地点命名36
    第3章用户移动建模42
    3.1基于人类动力学的移动建模研究43
    3.1.1连续时间的随机游走模型43
    3.1.2引力模型47
    3.2基于时空数据挖掘的移动建模研究47
    3.2.1马尔可夫链模型48
    3.2.2时间规律模型58
    3..时空降维模型60
    3.2.4社交关系影响63
    3.2.5新颖地点预测65
    3.2.6预测算法的融合66
    第4章基于移动数据的用户画像73
    4.1显属预测74
    4.1.1移动数据和显属的关联74
    4.1.2位置画像模型76
    4.2隐属预测0
    4.2.1猎奇心理特质挖掘80
    4.2.2消费冲动心理挖掘85
    第5章个化兴趣地点90
    5.1协同过滤92
    5.1.1基于邻域的方法93
    5.1.2基于社交相似的协同过滤95
    5.1.3基于模型的方法95
    5.2基于内容的过滤102
    5.2.1内容过滤方法简介103
    5.2.2地理建模104
    5..文本内容与情感分析108
    5.3混合方法110
    5.3.1混合模型基本方法110
    5.3.2地理建模和协同过滤的联合模型111
    5.3.3社交正则化的矩阵分解116
    5.3.4内容感知的协同过滤方法117
    5.3.5集成学习120
    5.4情境感知的协同过滤方法120
    5.4.1时间感知的地点120
    5.4.2序列化地点124
    5.5地点系统的评价124
    第6章结语126
    参考文献128

    连德富,博士,科技大学计算机学院讲师,教育大数据研究所副所长。2009年于中国科学技术大学计算机学院,2014年在中国科学技术大学获得计算机应用专业博士,获得院长奖。他的研究领域包括用户建模、系统、时空数据挖掘、教育大数据等等,在KDD、UCAI、WWW、CM、TIST等很好期刊和会议上发表20余篇,相关研究被麻省理工评论、中国青年报、中国科学报等媒体多次报道。他多次担任靠前很好会议的程序委员会委员和很好期刊的审稿人,是ACM、IEEE和CCF会员。

    ‖前  言随着室内外定位、移动社交网络和物联网技术的发展与普及,移动数据的种类、规模和产生速度都在迅速增长。这些数据中有很大一部分是由人产生的,也就是通过各种方式记录下来的人的活动历史。它们包含了大量的知识,对于众多实际应用有着重要的价值。我们可以通过对这些数据进行挖掘,来发现人类出行的规律,并针对用户的属和兴趣爱好生成画像,从而为用户提供更加个化的,包括交通出行规划、旅游线路和购物餐饮等。这些知识还能用来研究疾病传播、城市发展及人类迁徙等具有重大社会意义的科学问题。近年来,针对移动数据的挖掘已经成为学术界和工业界的热点之一。    本书作者所在的研究团队从十年前就开始在该领域开展研究,并在2006年进行的GeoLife项目中通过用户分享的移动数据研究用户的出行模式,为旅游线路规划等应用提供支持,相关也被广泛引用。本书作者,即目前任教于科技大学的连德富教授,长期针对基于移动数据的系统进行研究,已经发表了大量有影响力的研究成果。    在实际应用中,移动数据的形式多种多样,既有来自移动社交网络的签到数据、来自运营商的日志数据,也有来自公交计费系统的刷卡记录数据。本书从分析移动数据的特出发,探讨和设计针对移动数据的数据挖掘算法,并指出在该领域展开研究将要面临的挑战。    希望本书能够帮有兴趣研究移动数据挖掘的读者缩短学习的过程,并共同推进该领域的研究进展。

    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