社交推薦中的用戶相似度優化研究 韓迪 9787521845372 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202302*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：社交推薦中的用戶相似度優化研究
ISBN：9787521845372
出版社：經濟科學
著編譯者：韓迪
頁數：195
所在地：中國大陸 *此為代購商品
書號：1506485
可大量預訂，請先連絡。

內容簡介

本文通過對推薦系統中用戶相似度的設計優化，解決了目前推薦系統中「確定的」數據無法準確描述人類模糊性情感的問題展開。推薦系統中相似度研究的最高目標是儘可能的模擬人對研究對象的主觀感受，從工程角度來說是模擬同主觀認知儘可能一致的客觀相似度組合模型。主觀尋找相似用戶的過程可分為「感知、理解和評價」三個階段，基於此，本文提出了一種符合主觀特點的客觀相似度組合模型框架，主要工作圍繞三個階段展開如下：本文從代表性的相似度演算法分析入手，分析影響用戶評分行為的相似性因素。同時，針對目前確定性數值化評分無法精準描述主觀模糊判斷的問題，採用三角模糊數的手段對主觀情感模糊化，更貼近人類非確定的表達習慣。並提出了新的用戶評分相似度，實現了用戶相似性多角度模糊感知工作。其次，針對數據稀疏性和冷啟動等問題，本文引入外部屬性數據在局部感知用戶評分相似性的基礎上全局理解用戶相似度，最後設計出具有「因果」關係的多層上下文可感知模型，解決目前使用深度學習帶來的可解釋性不強的問題，實現動態的個性化推薦。最後，評價則是以更加多樣的視角評定推薦的好壞。所以本文設計了具有降低推薦噪音的魯棒性系統評價指標，在考慮評分準度的同時考慮推薦的排序準確度等，解決目前推薦系統評價體系無法完整的、公平的比較演算法優劣的問題。

作者簡介

韓迪，計算機技術及其應用專業博士、副教授、碩士生導師。現任廣東金融學院專任教師、開源中國Gitee技術顧問，曾任香港理工大學副研究員。主持廣東省自然科學重點領域專項1項以及主持廣東省自然科學青年項目1項，並作為主要參与者參与國家級、省部級課題多項。近5年來發表SCI核心刊物論文共7篇，EI及中文核心共8篇，主編出版4本相關領域教材專著。同時，擁有20餘年的軟體開發經驗，對移動開發和機器學習有著深入的研究。

目錄

第1章 緒論
1 1 研究背景和研究意義
1 2 推薦演算法國內外研究現狀
1 3 推薦系統方法概述
1 4 推薦系統性能評價
1 5 本章小結
本章參考文獻
第2章 推薦模型的相似度優化
2 1 引言
2 2 矩陣分解的探索研究
2 3 社會化推薦介紹
2 4 本章小結
本章參考文獻
第3章 挖掘用戶評分行為影響因素
3 1 引言
3 2 相似度的探索研究
3 3 影響用戶行為的相似度因素
3 4 基於模糊感知的綜合用戶評分相似度
3 5 本章小結
本章參考文獻
第4章 多層模糊感知相似性的實現
4 1 引言
4 2 用戶屬性相似度
4 3 用戶興趣相似度
4 4 基於上下文數據的屬性融合
4 5 全局組合相似度
4 6 MFPS實驗結果及分析
4 7 本章小結
本章參考文獻
第5章 特徵衝突對預測結果的影響
5 1 引言
5 2 衝突性的探索研究
5 3 多源特徵的衝突性減弱方案
5 4 本章小結
本章參考文獻
第6章 用戶長短期偏好的動態模型
6 1 引言
6 2 模型介紹
6 3 模型訓練、測試和度量
6 4 MIE-LSS實驗結果及分析
6 5 本章小結
本章參考文獻
第7章 特徵融合（交叉）的推薦模型
7 1 引言
7 2 特徵交叉模型的探索研究
7 3 因子分解機和自注意力機制的交叉模型
7 4 本章小結
本章參考文獻
第8章 自注意力推薦模型的偏差修正
8 1 模型框架
8 2 自注意力機制模塊
8 3 偏差調製策略
8 4 特徵融合實驗結果及分析
8 5 本章小結
本章參考文獻
第9章 推薦系統性能指標綜合設計
9 1 引言
9 2 推薦指標的探索研究
9 3 評估框架的設計
9 4 AND實驗結果及分析
9 5 本章小結
本章參考文獻
第10章 推薦準確性與均衡性的平衡
10 1 引言
10 2 推薦指標的A-I均衡研究
10 3 A-I均衡框架的設計
10 4 A-I均衡框架實驗結果及分析
10 5 本章小結
本章參考文獻

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。