*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:202407*若逾兩年請先於私訊洽詢存貨情況,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:基於機器學習的個性化推薦演算法及應用 ISBN:9787115640871 出版社:人民郵電 著編譯者:劉超慧 李玲玲 頁數:148 所在地:中國大陸 *此為代購商品 書號:1653104 可大量預訂,請先連絡。 內容簡介 個性化推薦作為一種重要的信息過濾技術,廣泛應用於電子商務、社交服務以及基於位置的服務等領域,隨著數據量的爆炸式增長,原有的推薦演算法存在執行效率低和數據稀疏性等問題。為了解決原有推薦演算法存在的問題,本書提出了3種新的演算法,分別是基於三維項集矩陣和向量的頻繁項集挖掘演算法、融合懲罰因子和時間權重的協同過濾演算法以及基於用戶屬性和項目評分的協同過濾演算法,並介紹了一個個性化圖書推薦原型系統的構建方案。 本書結構清晰、文字流暢,適合對機器學習、個性化推薦感興趣的讀者閱讀。目錄 第1章 概述1 1 研究背景與意義 1 1 1 研究背景 1 1 2 研究意義 1 2 問題與挑戰 1 2 1 信息過載 1 2 2 長尾效應 1 2 3 隱私護 1 3 本書的組織架構 第2章 機器學的相關理論 2 1 機器學 2 1 1 機器學的概念 2 1 2 機器學的分類 2 1 3 機器學的工作流程 2 2 推薦系統 2 2 1 推薦系統概述 2 2 2 推薦系統的形式化定義 2 3 用戶畫像 2 3 1 用戶畫像概述 2 3 2 用戶畫像信息來源 2 3 3 用戶畫像建模 2 4 人工經網路 2 4 1 人工經網路模型原理 2 4 2 典型的人工經網路 2 5 小結 第3章 個性化推薦演算法的相關理論 3 1 個性化推薦系統的應用 3 1 1 電子商務 3 1 2 音/視頻服務 3 1 3 社交服務 3 1 4 基於位置的服務 3 1 5 旅行服務 3 2 推薦演算法的分類 3 2 1 基於內容的推薦 3 2 2 協同過濾推薦 3 2 3 基於知識的推薦 3 2 4 混合推薦 3 2 5 推薦演算法比較 3 3 推薦系統評 3 3 1 評方法 3 3 2 準確度指標 3 3 3 多樣性指標 3 4 推薦系統存在的問題 3 4 1 數據稀疏性 3 4 2 冷啟動 3 4 3 可擴展性 3 4 4 用戶興趣漂移 3 5 小結 第4章 基於三維項集矩陣和向量的頻繁項集挖掘演算法 4 1 概述 4 2 理論基礎 4 2 1 關聯規則挖掘理論 4 2 2 Apriori演算法 4 3 基於三維項集矩陣和向量的頻繁項集挖掘演算法詳解 4 3 1 相關定義 4 3 2 演算法說明 4 3 3 基於三維項集矩陣和向量的更新策略 4 4 實驗結果分析 4 4 1 實驗數據集 4 4 2 結果分析 4 5 小結 第5章 融合懲罰因子和時間權重的協同過濾演算法 5 1 概述 5 2 理論基礎 5 2 1 歐幾里得相似度 5 2 2 餘弦相似度 5 2 3 修正餘弦相似度 5 2 4 皮爾遜相似度 5 2 5 傑卡德相似度 5 2 6 組合KNN推薦演算法 5 3 融合懲罰因子和時間權重的協同過濾演算法詳解 5 3 1 熱門物品與用戶評分慣維度 5 3 2 用戶評分時間維度 5 3 3 改進相似度及加權預測評分 5 3 4 演算法說明 5 4 實驗結題與分析 5 4 1 實驗數據集 5 4 2 結果分析 5 5 小結 第6章 基於用戶屬性和項目評分的協同過濾演算法 6 1 概述 6 2 基於用戶屬性和項目評分的協同過濾演算法詳解 6 2 1 相關概念 6 2 2 基於項目評分的相似度計算 6 2 3 基於用戶屬性的相似度計算 6 2 4 演算法說明 6 3 實驗與結果分析 6 3 1 實驗數據集 6 3 2 結果分析 6 4 小結 第7章 個性化圖書推薦原型系統 7 1 概述 7 2 系統設計 7 2 1 系統架構設計 7 2 2 系統功能設計 7 2 3 資料庫設計 7 3 系統實現及關鍵技術 7 3 1 開發環境 7 3 2 系統流程 7 3 3 關鍵技術 7 4 系統使用說明 7 4 1 熱門圖書模塊 7 4 2 圖書分類模塊 7 4 3 個性化圖書推薦模塊 7 4 4 圖書評模塊 7 4 5 用戶評分模塊 7 5 小結 第8章 總結與展望 8 1 研究總結 8 2 研究展望 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PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |