消息 首页 搜索 举报
  • 智能推荐技术/大数据与人工智能技术丛书
  • 智能推荐技术/大数据与人工智能技术丛书
  • 智能推荐技术/大数据与人工智能技术丛书
  • 智能推荐技术/大数据与人工智能技术丛书
21年品牌 40万+商家 超1.5亿件商品

智能推荐技术/大数据与人工智能技术丛书

正版图书 真实库存欢迎选购 可开电子发票 有需要联系客服！

￥ 42.36 6.1折 ￥ 69.8 全新

库存2件

天津和平
认证卖家担保交易快速发货售后保障

作者潘微科,林晶,明仲

出版社清华大学出版社

ISBN9787302600107

出版时间2022-04

装帧平装

开本16开

定价69.8元

货号31421972

上书时间2024-12-17

润田图书店

四年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介
明仲，深圳大学计算机与软件学院院长、教授，大数据系统计算技术国家工程实验室执行主任，主要研究方向为人工智能、软件工程和推荐系统。

目录
第1章  概述
  1.1  推荐技术简介
  1.2  推荐问题分类
  1.3  数学基础知识
    1.3.1  线性代数
    1.3.2  概率论
    1.3.3  神经网络中的激活函数
  1.4  常用数据集和验证方法
    1.4.1  常用数据集
    1.4.2  验证方法
  1.5  常用评价指标
    1.5.1  面向评分预测的评价指标
    1.5.2  面向物品排序的评价指标
  1.6  深度学习平台简介
  1.7  本章小结
  1.8  参考文献
  1.9  习题
第2章  基于显式反馈的评分预测
  2.1  协同过滤（CF）问题
  2.2  基于均值填充的方法
    2.2.1  预测公式
    2.2.2  讨论
  2.3  基于邻域的方法
    2.3.1  基于用户的协同过滤
    2.3.2  基于物品的协同过滤
    2.3.3  混合协同过滤
    2.3.4  讨论
  2.4  基于矩阵分解的方法
    2.4.1  概率矩阵分解
    2.4.2  改进的奇异值分解
    2.4.3  结合多类偏好上下文的矩阵分解
    2.4.4  因子分解机
  2.5  基于深度学习的方法
    2.5.1  受限玻尔兹曼机
    2.5.2  自编码器
  2.6  本章小结
  2.7  参考文献
  2.8  习题
第3章  基于显式反馈的物品排序
  3.1  协同排序（CR）问题
  3.2  粗精迁移排序
    3.2.1  模型介绍
    3.2.2  算法流程
    3.2.3  代码实现
    3.2.4  实验设置
    3.2.5  讨论
  3.3  上下文感知协同排序
    3.3.1  模型介绍
    3.3.2  算法流程
    3.3.3  代码实现

内容摘要
本书围绕电商、资讯等众多实际应用背后的内核，即智能推荐技术，系统介绍经典和前沿技术，包括基于邻域、矩阵分解、深度学习、迁移学习、联邦学习等的建模方法和推荐算法。本书围绕用户行为数据的建模问题组织内容，全书共分6部分：第1部分（第1章）为背景和基础；第2部分（第2～4章）为单行为推荐，是指仅对一种显式反馈（如评分）或一种隐式反馈（如浏览）数据进行建模；第3部分（第5～6章）为多行为推荐，是指同时考虑浏览和购买等包含多种行为的数据；第4部分（第7～8章）为序列推荐，是指同时关注用户行为和这些行为的先后顺序；第5部分（第9～10章）为联邦推荐，更加关注用户行为中的隐私和数据安全问题；第6部分（第11章）为总结与展望。全书综合梳理了多个智能推荐问题和相关技
术，分析了方法的优缺点和内在联系，并在每章结束时提供了详细的参考文献和有针对性的习题。
本书可以作为计算机科学与技术、软件工程等相关专业的研究生和高年级本科生的教材，也可以作为推荐系统工程师的参考手册。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP