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99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。
醉染图书智能技术9787302600107
¥ ×1
章 概述
1.1 技术简介
1.2 问题分类
1.3 数学基础知识
1.3.1 线代数
1.3.2 概率论
1.3.3 神经网络中的激活函数
1.4 常用数据集和验方法
1.4.1 常用数据集
1.4.2 验方法
1.5 常用评价指标
1.5.1 面向评分预测的评价指标
1.5.2 面向物品排序的评价指标
1.6 深度学台简介
1.7 本章小结
1.8 参考文献
1.9 习题
第2章 基于显式反馈的评分预测
2.1 协同过滤(CF)问题
2.2 基于均值填充的方法
2.2.1 预测公式
2.2.2 讨论
. 基于邻域的方法
..1 基于用户的协同过滤
..2 基于物品的协同过滤
.. 混合协同过滤
..4 讨论
2.4 基于矩阵分解的方法
2.4.1 概率矩阵分解
2.4.2 改进的奇异值分解
2.4.3 结合多类偏好上下文的矩阵分解
2.4.4 因子分解机
2.5 基于深度学习的方法
2.5.1 受限玻尔兹曼机
2.5.2 自编码器
2.6 本章小结
2.7 参考文献
2.8 习题
第3章 基于显式反馈的物品排序
3.1 协同排序(CR)问题
3.2 粗精迁移排序
3.2.1 模型介绍
3.2.2 算法流程
3.. 代码实现
3.2.4 实验设置
3.2.5 讨论
3.3 上下文感知协同排序
3.3.1 模型介绍
3.3.2 算法流程
3.3.3 代码实现
3.3.4 实验设置
3.3.5 讨论
3.4 整全迁移排序
3.4.1 模型介绍
3.4.2 基于模型的整全迁移排序
3.4.3 基于邻域的整全迁移排序
3.4.4 代码实现
3.4.5 实验设置
3.4.6 讨论
3.5 本章小结
3.6 参考文献
3.7 习题
第4章 基于隐式反馈的物品排序
4.1 单类协同过滤(OCCF)问题
4.2 基于热度的方法
4.3 基于邻域的方法
4.3.1 相似度度量
4.3.2 预测公式
4.4 基于矩阵分解的方法
4.4.1 贝叶斯个化排序
4.4.2 分解的物品相似度
4.4.3 基于对数几率损失的矩阵分解
4.4.4 基于元素的交替二乘
4.5 基于深度学习的方法
4.5.1 神经协同过滤
4.5.2 协同降噪自编码器
4.5.3 变分自编码器
4.6 本章小结
4.7 参考文献
4.8 习题
第5章 基于异构反馈的评分预测
5.1 异构协同过滤(HCF)问题
5.2 迁移共同分解
5.2.1 技术细节
5.2.2 算法流程
5.. 代码实现
5.2.4 实验设置
5.2.5 讨论
5.3 偏好感知迁移
5.3.1 技术细节
5.3.2 算法流程
5.3.3 代码实现
5.3.4 实验设置
5.3.5 讨论
5.4 本章小结
5.5 参考文献
5.6 习题
第6章 基于异构反馈的物品排序
6.1 异构单类协同过滤(HOCCF)问题
6.2 基于全量的异构反馈建模
6.2.1 技术细节
6.2.2 算法流程
6.. 代码实现
6.2.4 实验设置
6.2.5 讨论
6.3 基于角色的异构反馈建模
6.3.1 技术细节
6.3.2 算法流程
6.3.3 代码实现
6.3.4 实验设置
6.3.5 讨论
6.4 基于关系的异构反馈建模
6.4.1 技术细节
6.4.2 代码实现
6.4.3 实验设置
6.4.4 讨论
6.5 异构反馈建模方法
6.5.1 基于矩阵分解的方法
6.5.2 基于迁移学习的方法
6.5.3 基于深度学习的方法
6.6 本章小结
6.7 参考文献
6.8 习题
第7章 单行为序列
7.1 序列单类协同过滤(SOCCF)问题
7.2 基于分解马尔可夫链的FPMC算法
7.2.1 预测公式和优化目标
7.2.2 梯度、更新公式和算法流程
7.. 实验设置
7.2.4 讨论
7.3 基于分解高阶马尔可夫链的Fossil算法
7.3.1 预测公式和优化目标
7.3.2 梯度、更新公式和算法流程
7.3.3 实验设置
7.3.4 讨论
7.4 基于双向物品相似度的BIS算法
7.4.1 BIS算法的原理
7.4.2 BIS算法的实现
7.4.3 讨论
7.5 基于循环神经网络的GRU4Rec算法
7.5.1 GRU4Rec算法的原理
7.5.2 GRU4Rec算法的实现
7.5.3 讨论
7.6 基于卷积神经网络的Caser算法
7.6.1 Caser算法的原理
7.6.2 Caser算法的实现
7.6.3 讨论
7.7 基于自注意力网络的SASRec算法
7.7.1 SASRec算法的原理
7.7.2 SASRec算法的实现
7.7.3 讨论
7.8 基于平移空间的TransRec算法
7.8.1 预测公式与优化目标
7.8.2 梯度、更新公式与算法流程
7.8.3 实验设置
7.8.4 讨论
7.9 本章小结
7.10 参考文献
7.11 习题
第8章 多行为序列
8.1 序列异构单类协同过滤(SHOCCF)问题
8.2 基于循环神经网络的方法
8.2.1 RLBL算法
8.2.2 RIB算法
……
潘微科,博士,深圳大学计算机与软件学院副教授,硕士生导师,深圳市很好教师。主要研究方向为迁移学习、联邦学习、系统和机器学习,曾获ACM TiiS 2016很好奖和SDM 2013很好提名奖。主持自然科学面上项目等多个科研项目,担任知名靠前期刊的编委、客座编委和杰出审稿人。
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
