推荐系统
正版新书 新华官方库房直发 可开电子发票
￥ 85.15 6.6折 ￥ 129 全新
库存6件
作者(美)查鲁·C.阿加沃尔(Charu C.Aggarwal) 著;黎玲利 等 译
出版社机械工业出版社
ISBN9787111600329
出版时间2018-07
版次1
装帧平装
开本16开
纸张胶版纸
页数374页
定价129元
货号SC:9787111600329
上书时间2024-07-08
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
查鲁·C.阿加沃尔，IBM T.J.Watson研究中心杰出研究人员（DRSM），于1996年在MIT获得博士学位。他对数据挖掘领域有着广泛的研究。在靠前会议和期刊上发表了300余篇论文。申请了90余项专利。他曾三次被评为IBM的“杰出发明人”（Master Inventor）。并曾获得IBM公司奖（IBM Corporate Award，2003）、IBM杰出创新奖和两项IBM杰出技术成就奖（2009，2015）。他因为提出基于冷凝的数据挖掘中的隐私保护技术而获得EDBT2014的时间检验奖（Test of Time Award）。他还获得了IEEE ICDM研究贡献奖（2015），这是数据挖掘领域对具有突出贡献的研究的两项优选奖项之一。
他曾多次担任ACM/IEEE知名靠前学术会议的或程序委员会。并担任大数据相关多个知名期刊的主编或编委。由于在知识发现和数据挖掘算法上的贡献，他入选SIAM、ACM和IEEE的会士。
精彩内容:
前言Recommender Systems: The Textbook大自然呈现在我们面前的只是一头狮子的尾巴。但不要怀疑狮子的存在，尽管它因为身型巨大不能马上现出全身。 ——Albert Einstein随着Web成为商务和电子交易的重要媒介，推荐系统在20世纪90年代变得越来越重要。人们很早就认识到Web为个性化服务提供了空前的机会，这是其他渠道是不可能做到的。特别是Web为数据收集提供了便利，并且提供了一种非侵入式地推荐物品的用户界面。 自此以后，在公众眼中，推荐系统已经得到了显著的发展。这一事实的证据是，有许多会议和研讨会专门探讨该领域。会议ACM Conference on Recommender Systems特别值得一提，因为它为该领域定期贡献了许多前沿工作。推荐系统领域非常多样化，因为它能够使用各种类型的用户偏好数据和用户需求数据来做推荐。推荐系统中的方法包括协同过滤方法、基于内容的方法和基于知识的方法。这三种方法构成了推荐系统研究领域的基本支柱。近年来，已经设计了一些专门的方法来针对不同的数据领域和上下文，例如时间、位置和社会信息。针对专门的场景提出了大量高级的方法，这些方法可以调整用于不同的应用领域，例如查询日志挖掘、新闻推荐和计算广告。本书的结构安排体现了这些重要的话题。本书的章节可以分为三类： 1）算法和评估：这些章节讨论了推荐系统中的基本算法，包括协同过滤方法（第2和4章）、基于内容的方法（第4章）和基于知识的方法（第5章）。这些方法的混合在第6章中讨论。第7章讨论了推荐系统评估。 2）特
...
内容简介:
本书介绍当前推荐系统领域中的经典方法。不仅详细讨论了各类方法，还对同类技术进行了归纳总结，这有助于读者对当前推荐系统研究领域有全面的了解。书中提供了大量的例子和习题来帮助读者深入理解和掌握相关技术。此外，本书还介绍了当前新的研究方向，为读者进行推荐系统技术的研究提供参考。本书既可以作为计算机相关专业本科生和研究生的教材，也适合开发人员和研究人员阅读。
目录:
出版者的话
译者序
前言
致谢
作者简介
第1章推荐系统概述
1.1引言
1.2推荐系统的目标
1.2.1推荐系统应用范围
1.3推荐系统的基本模型
1.3.1协同过滤模型
1.3.2基于内容的推荐系统
1.3.3基于知识的推荐系统
1.3.4人口统计推荐系统
1.3.5混合集成的推荐系统
1.3.6对推荐系统的评价
1.4推荐系统领域特有的挑战
1.4.1基于上下文的推荐系统
1.4.2时间敏感的推荐系统
1.4.3基于位置的推荐系统
1.4.4社交信息系统
1.5高级论题和应用
1.5.1推荐系统中的冷启动问题
1.5.2抗攻击推荐系统
1.5.3组推荐系统
1.5.4多标准推荐系统
1.5.5推荐系统中的主动学习
1.5.6推荐系统中的隐私问题
1.5.7应用领域
1.6小结
1.7相关工作
1.8习题
第2章基于近邻的协同过滤
2.1引言
2.2评分矩阵的关键性质
2.3通过基于近邻的方法预测评分
2.3.1基于用户的近邻模型
2.3.2基于物品的近邻模型
2.3.3高效的实现和计算复杂度
2.3.4基于用户的方法和基于物品的方法的比较
2.3.5基于近邻方法的优劣势
2.3.6基于用户的方法和基于物品的方法的联合
2.4聚类和基于近邻的方法
2.5降维与近邻方法
2.5.1处理偏差
2.6近邻方法的回归模型视角
2.6.1基于用户的最近邻回归
2.6.2基于物品的最近邻回归
2.6.3基
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价