推荐系统进展:方法与技术郭贵冰

图书标准信息

• 作者 郭贵冰
• 出版社 科学出版社
• 出版时间 2019-01
• 版次 1
• ISBN 9787030585967
• 定价 98.00元
• 装帧 平装
• 开本 其他

【内容简介】

郭贵冰著的《推荐系统进展方法与技术》梳理了推荐系统的知识体系及其现实挑战，尤其是数据稀疏和冷启动两个重要问题，给出解决这些问题的思考方向和解决思路，从基础的基于用户与物品反馈的协同过滤，到基于上下文信息的情景感知模型，一步步深入剖析推荐系统模型的设计理念、建模方法和实验评估等。同时，本书介绍了靠前的开源推荐算法库LibRec，能够更好地帮助读者了解推荐算法的实现原理和评估过程，快速试用和比较不同算法的推荐性能，也可方便读者基于LibRec框架便捷地实现自己的研究算法。
    本书适合推荐系统领域的研究人员和工程实现人员参考使用。

【作者简介】

郭贵冰，博士，副教授，东北大学软件学院引进人才，LibRec推荐算法库创始人，2015年获得新加坡南洋理工大学博士学位，研究领域包括智能推荐、深度学习、自然语言处理等。在AAAI、IJCAI、IEEE TKDE等CCF A类靠前会议和期刊上发表论文多篇，Google学术引用超过1100次；主持国家自然科学基金青年基金项目、辽宁省自然科学基金面上项目、教育部基本科研业务费国家项目培育种子基金项目、华为创新研究计划项目、京东AI研究院“京东葡萄树――学者计划”项目等多项基金项目；获得辽宁省和沈阳市自然科学技术成果奖3项。领导开发的LibRec开源推荐算法库在GitHub推荐系统领域排名，在学术界和工业界影响广泛。

【目录】

章  推荐系统
  1.1  推荐系统的简介
  1.2  推荐系统的挑战
    1.2.1  数据端的挑战
    1.2.2  模型端的挑战
    1.2.3  评估端的挑战
  1.3  LibRec开源库
    1.3.1  LibRec简介
    1.3.2  LibRec框架
    1.3.3  LibRec安装
  1.4  协同过滤算法
    1.4.1  基于内存的推荐算法
    1.4.2  基于模型的推荐算法
    1.4.3  推荐算法的测试评估
  参考文献
第2章  用户反馈
  2.1  传统评分反馈
    2.1.1  相似度测量
    2.1.2  贝叶斯相似度
    2.1.3  相似度分析
    2.1.4  实验评估
  2.2  前置评分反馈
    2.2.1  前置评分
    2.2.2  用户调查
    2.2.3  PRCF模型
    2.2.4  要点讨论
  2.3  异质隐式反馈
    2.3.1  辅助反馈
    2.3.2  BPRH模型
    2.3.3  GcBPR模型
    2.3.4  要点讨论
  参考文献
第3章  社会化推荐系统
  3.1  社会化推荐系统简介
    3.1.1  评分预测算法
    3.1.2  物品推荐算法
    3.1.3  远景与挑战
  3.2  社交感知的最近邻模型
    3.2.1  Merge模型
    3.2.2  案例与分析
    3.2.3  实验评估
  3.3  多视图聚类的推荐模型
    3.3.1  多视图聚类
    3.3.2  SVR回归预测
    3.3.3  冷启动用户
    3.3.4  实验评估
  3.4  社交增强的矩阵分解模型
    3.4.1  信任分析
    3.4.2  TrustSVD模型
    3.4.3  FST模型
  参考文献
第4章  信任计算
  4.1  基本信任模型
    4.1.1  认知信任
    4.1.2  信任度量
    4.1.3  实验评估
  4.2  扩展的信任因子框架模型
    4.2.1  TAF模型
    4.2.2  ETAF模型
    4.2.3  实验评估
  4.3  多因子信任模型
    4.3.1  信任框架
    4.3.2  信任精化
    4.3.3  实验评估
  4.4  非线性信任模型
    4.4.1  TrustNCF模型
    4.4.2  模型分析
    4.4.3  实验评估
  参考文献
第5章  情景感知推荐
  5.1  类别感知推荐模型
    5.1.1  类别与偏好分析
    5.1.2  类别感知推荐
    5.1.3  实验评估
  5.2  评论感知推荐模型
    5.2.1  评论感知推荐概述
    5.2.2  ADR模型
    5.2.3  实验评估
  5.3  地理感知推荐模型
    5.3.1  地理与偏好分析
    5.3.2  GeoBPR模型
    5.3.3  实验评估
  5.4  时间感知推荐模型
    5.4.1  时间与偏好分析
    5.4.2  PCCF模型
    5.4.3  实验评估
  参考文献