面向隱私保護的社交網絡推薦 鄭孝遙 羅永龍 9787030803412 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202412*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：面向隱私保護的社交網絡推薦
ISBN：9787030803412
出版社：科學
著編譯者：鄭孝遙 羅永龍
頁數：222
所在地：中國大陸 *此為代購商品
書號：1724274
可大量預訂，請先連絡。

內容簡介

以用戶為中心的社交網絡已成為當今世界最為流行的信息分享平台，但目前網絡中的數據呈爆炸式增長，引起了信息過載和隱私泄露等問題。社交網絡推薦以推送的方式給用戶提供最佳的建議，是解決網絡中信息爆炸式增長帶來的信息過載問題的有效途徑。本書圍繞面向隱私保護的社交網絡推薦展開論述，主要包括社交網絡推薦算法、隱私保護推薦方法、聯邦推薦隱私保護方法及跨域推薦方法。全書從社交網絡推薦面臨的問題出發，闡述了社交網絡推薦的內涵、隱私保護的常用方法及緩解數據稀疏的跨域推薦，從三個維度系統地介紹了社交網絡推薦的原理與方法。 本書可作為計算機相關專業高年級本科生、研究生以及推薦系統開發人員的參考書，也可作為數據安全領域廣大科技工作者的參考書。

目錄

序言
第1章 緒論
1 1 社交網絡推薦簡介
1 2 社交網絡推薦技術
1 2 1 社交網絡推薦技術簡介
1 2 2 基於內容的推薦
1 2 3 基於協同過濾的推薦
1 2 4 基於知識的推薦
1 2 5 混合推薦
1 2 6 各種推薦技術的特點
1 3 推薦系統評價指標
1 3 1 準確度
1 3 2 多樣性
1 3 3 新穎性
1 3 4 覆蓋性
1 4 社交網絡推薦內涵及其挑戰
1 4 1 社交網絡推薦內涵
1 4 2 社交網絡推薦面臨的挑戰
第2章 基於超圖拓撲結構的社交網絡推薦
2 1 問題定義
2 2 社交網絡拓撲結構分析
2 3 基於超圖的推薦模型
2 3 1 用戶上下文聚類
2 3 2 融入社交圈用戶相似度及項目特徵相似度
2 3 3 推薦模型訓練
2 3 4 冷啟動方案
2 4 實驗分析
2 4 1 實驗設置
2 4 2 實驗結果
2 5 本章小結
第3章 基於核化網絡的社交網絡推薦
3 1 問題定義
3 2 深度學習矩陣因子分解模型
3 2 1 基於核化網絡的通用深度學習推薦框架
3 2 2 核化網絡處理步驟
3 3 基於顯式信息的深度學習矩陣分解推薦方法
3 3 1 核化網絡
3 3 2 隱式信息挖掘
3 4 實驗結果及分析
3 4 1 實驗設置
3 4 2 實驗結果
3 5 本章小結
第4章 基於奇異值分解的隱私保護推薦
4 1 問題定義
4 2 隨機擾動簡介
4 2 1 隨機擾動在推薦中的應用
4 2 2 隱私保護推薦的系統結構
4 2 3 傳統隨機化擾動的特點
4 3 改進的隨機擾動隱私保護算法
4 3 1 隱私多樣性
4 3 2 算法框架和實現
4 3 3 算法性能評估標準
4 4 實驗結果及分析
4 4 1 實驗設置
4 4 2 填充比例分析
4 4 3 擾動強度分析
4 5 本章小結
第5章 基於多級隨機擾動的隱私保護推薦
5 1 問題定義
5 2 相關工作
5 2 1 潛在因子模型
5 2 2 隨機擾動
5 2 3 數據稀疏填充
5 3 基於多級隨機擾動的隱私保護推薦方案
5 3 1 多級組合隨機擾動模型
5 3 2 偽評分預測填充算法
5 3 3 算法時間複雜度分析
5 4 實驗結果及分析
5 4 1 實驗數據集
5 4 2 評價標準
5 4 3 實驗設置
5 4 4 實驗結果分析
5 5 本章小結
第6章 基於差分隱私的興趣點推薦
6 1 問題定義
6 2 矩陣分解模型及差分隱私理論
6 2 1 矩陣分解模型
6 2 2 差分隱私定義
6 3 推薦系統模型構建和優化
6 3 1 用戶興趣偏移度
6 3 2 基於興趣偏移的推薦模型
6 4 基於差分隱私的推薦模型
6 4 1 隱私鄰居選擇
6 4 2 梯度擾動
6 4 3 安全性分析
6 5 實驗結果及分析
6 5 1 實驗設置
6 5 2 實驗結果
6 6 本章小結
第7章 基於分散式差分隱私的推薦
7 1 問題定義
7 2 分散式隱私保護推薦框架
7 2 1 相關符號及隱私保護理論
7 2 2 系統架構
7 2 3 攻擊模型及設計目標
7 3 分散式隱私保護推薦方法
7 3 1 用戶端分片算法設計
7 3 2 分散式推薦伺服器端隱私保護模型
7 3 3 位置伺服器端隱私保護模型
7 3 4 安全性分析
7 4 實驗結果及分析
7 4 1 實驗設置
7 4 2 實驗結果
7 5 本章小結
第8章 基於差分隱私的并行離線推薦
8 1 問題定義
8 2 模型設計
8 2 1 并行設計
8 2 2 模型訓練
8 2 3 引入差分隱私
8 3 實驗分析
8 3 1 實驗環境及數據
8 3 2 評價指標
8 3 3 實驗結果
8 4 本章小結
第9章 基於差分隱私的并行在線推薦
9 1 問題定義
9 2 常用并行推薦算法介紹
9 2 1 BaPa算法
9 2 2 BALS算法
9 2 3 HogWild！算法
9 2 4 Spark并行平台
9 2 5 其他相關技術
9 3 模型設計
9 3 1 并行化設計
9 3 2 模型訓練
9 3 3 安全性分析
9 4 實驗分析
9 4 1 實驗環境及數據
9 4 2 評價指標
9 4 3 實驗結果
9 5 本章小結
第10章 基於本地差分隱私的聯邦推薦
10 1 問題定義
10 2 基於均值求和的矩陣分解算法
10 2 1 相關數學定義
10 2 2 矩陣模型介紹
10 2 3 算法流程
10 3 保護用戶敏感數據的本地差分隱私推薦算法
10 3 1 矩陣模型介紹
10 3 2 算法流程
10 3 3 複雜度及安全性分析
10 4 實驗結果及分析
10 4 1 實驗設置
10 4 2 實驗結果
10 5 本章小結
第11章 基於秘密共享的聯邦推薦
11 1 問題定義
11 2 基於秘密共享技術保護用戶隱私
11 2 1 相關數學定義
11 2 2 聯邦矩陣分解方法
11 2 3 保護隱私的聯邦矩陣分解框架
11 2 4 算法流程
11 3 融入用戶項目交互值的推薦方法
11 3 1 問題分析

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。