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

  • 醉染图书智能技术9787302600107
  • 正版全新
    • 作者: 潘微科,林晶,明仲著 | 潘微科,林晶,明仲编 | 潘微科,林晶,明仲译 | 潘微科,林晶,明仲绘
    • 出版社: 清华大学出版社
    • 出版时间:2022-04-01
    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: 潘微科,林晶,明仲著| 潘微科,林晶,明仲编| 潘微科,林晶,明仲译| 潘微科,林晶,明仲绘
    • 出版社:清华大学出版社
    • 出版时间:2022-04-01
    • 版次:1
    • 印次:1
    • 字数:433000
    • 页数:288
    • 开本:16开
    • ISBN:9787302600107
    • 版权提供:清华大学出版社
    • 作者:潘微科,林晶,明仲
    • 著:潘微科,林晶,明仲
    • 装帧:平装
    • 印次:1
    • 定价:69.80
    • ISBN:9787302600107
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-04-01
    • 页数:288
    • 外部编号:1202623455
    • 版次:1
    • 成品尺寸:暂无

    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。

    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