智能推薦理論與技術 萬珊珊 9787113318376 【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：202505*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：智能推薦理論與技術
ISBN：9787113318376
出版社：中國鐵道
著編譯者：萬珊珊
頁數：326
所在地：中國大陸 *此為代購商品
書號：1735325
可大量預訂，請先連絡。

內容簡介

本書是一部深入探討智能推薦系統原理、算法與應用的前沿著作。本書圍繞推薦系統中的圖結構和用戶行為等熱點，剖析推薦系統關鍵理論，分析智能推薦技術的實現，內容涵蓋推薦系統的基礎理論與背景知識、基於知識圖譜和超圖等圖結構的智能推薦理論與技術、基於用戶複雜行為序列的智能推薦理論與技術、基於推薦系統特有的對偶性和自組織特性等內核特徵的推薦技術，以及公平推薦和安全推薦等技術。本書理論與實踐並重，以學科綜合能力為根基，注重培養學生的創造性思維和綜合應用能力。 本書適合作為計算機科學與技術、軟體工程等專業研究生的教材，也可作為對智能推薦技術感興趣的業界人士與本科生的參考書。

目錄

第1章 推薦系統概述
1 1 推薦系統的背景和意義
1 2 推薦系統框架及原理
1 2 1 定義及基本框架
1 2 2 推薦系統的經典問題
1 3 推薦技術
1 3 1 推薦算法分類
1 3 2 主流推薦算法
1 3 3 基於深度學習的推薦算法
1 4 社交網絡推薦
1 4 1 社交網絡概念
1 4 2 基於鄰域的社會化推薦算法
1 4 3 基於社交網絡圖的好友推薦
1 5 推薦的常用數據集及評價方法
1 5 1 常用數據集
1 5 2 評價指標
1 5 3 評價方法
第2章 推薦系統中的數據挖掘
2 1 數據挖掘概述
2 1 1 數據挖掘背景
2 1 2 數據挖掘的定義
2 1 3 數據挖掘步驟和主要問題
2 2 數據採集
2 2 1 數據類型和數據來源
2 2 2 數據採集方法與考慮因素
2 3 數據探索
2 3 1 分佈分析
2 3 2 統計分析
2 3 3 相關性分析
2 3 4 貢獻度分析
2 4 數據預處理
2 4 1 數據清洗
2 4 2 數據集成
2 4 3 數據變換
2 4 4 數據規約
2 5 機器學習
2 5 1 機器學習概念
2 5 2 分類
2 5 3 預測
2 5 4 聚類
2 5 5 關聯規則
2 6 深度學習
2 6 1 人工神經網絡
2 6 2 單層神經網絡
2 6 3 兩層神經網絡
2 6 4 多層神經網絡
2 6 5 卷積神經網絡
2 6 6 圖神經網絡
2 6 7 循環神經網絡
2 6 8 長短期記憶神經網絡
2 6 9 生成式對抗網絡
第3章 基於知識圖譜的推薦方法
3 1 知識圖譜推薦
3 1 1 知識圖譜概念
3 1 2 知識圖譜的推薦
3 1 3 注意力網絡
3 1 4 動態知識圖譜推薦
3 2 異構網絡推薦
3 2 1 異構網絡概念
3 2 2 基於異構網絡的推薦
3 2 3 RippleNet信息傳播
3 3 基於知識圖譜和RippleNet的推薦
3 3 1 異構網絡建模
3 3 2 融入時間倉機制的GAT
3 3 3 RippleNet計算預測概率
3 3 4 HN-DKG算法描述
3 4 實驗與結果分析
第4章 超圖推薦方法
4 1 超圖推薦的研究背景
4 1 1 圖神經網絡推薦現狀
4 1 2 超圖研究現狀
4 1 3 多源信息融合
4 2 超圖推薦基本理論
4 2 1 超圖定義
4 2 2 超圖構建
4 2 3 超圖學習
4 2 4 圖對比學習
4 3 多源異構超圖和對比學習的推薦
4 3 1 異構超圖與超邊
4 3 2 多源異構超圖推薦框架
4 3 3 多源異構超圖建模
4 3 4 空間密度超圖注意力網絡
4 3 5 多重交叉視圖對比學習
4 3 6 推薦預測
4 4 實驗與分析
第5章 基於超圖的反事實公平推薦方法
5 1 公平推薦研究背景
5 1 1 推薦中的公平性問題
5 1 2 圖結構公平性策略
5 1 3 對抗學習公平性策略
5 2 圖公平感知
5 2 1 公平定義與評價
5 2 2 因果推理公平感知方法
5 3 反事實跨層次超圖公平性策略
5 3 1 反事實動態超圖構建
5 3 2 跨層次結構公平感知
5 3 3 模型優化
5 4 實驗與分析
第6章 用戶關鍵行為的社交網絡增強推薦
6 1 用戶行為推薦現狀
6 1 1 基於用戶行為推薦方法
6 1 2 跨域用戶社交關係
6 2 圖像推薦研究
6 2 1 圖像特徵數據提取
6 2 2 注意力機制捕獲像素上下文信息
6 3 基於靶形交替注意力機制和用戶附屬關係網絡的推薦方法
6 3 1 多通道卷積神經網絡架構
6 3 2 靶形交替注意力機制
6 3 3 用戶附屬關係網絡
6 3 4 協同Top-N推薦
6 4 實驗與分析
第7章 基於微觀行為的推薦方法
7 1 用戶購物心理和性格
7 1 1 購物心理概念
7 1 2 購物性格概念
7 1 3 購物階段偏好概念
7 2 用戶情感推薦
7 2 1 用戶情感分析推薦
7 2 2 用戶解離化表示
7 2 3 多行為序列推薦
7 3 基於心理-性格提取膠囊和遞進式解離化的推薦方法
7 3 1 用戶高階特徵偏好網絡
7 3 2 基於滑動窗口網絡的心理-性格提取膠囊
7 3 3 遞進式偏好解離化
7 3 4 評分預測Top-N推薦
7 4 實驗與分析
第8章 基於時間信號的行為轉化預測推薦方法
8 1 時間敏感行為轉化相關研究
8 1 1 用戶興趣漂移和用戶行為
8 1 2 時間依賴的推薦研究
8 1 3 用戶行為轉化率
8 2 用戶行為模式相關研究
8 2 1 基於樹的推薦
8 2 2 強化學習推薦
8 3 時間敏感的行為轉化預測和多視角強化學習推薦
8 3 1 超行為空間模型
8 3 2 用戶常態行為模式預測表示
8 3 3 用戶偏離態行為模式預測
8 3 4 用戶行為轉化率計算
8 3 5 多元視角的非同步強化學習
8 3 6 行為預測Top-N推薦
8 4 實驗與分析
第9章 推薦系統中的對偶理論
9 1 對偶理論概述
9 1 1 對偶理論概念
9 1 2
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。