消息首页搜索举报

机器学:因子分解机模型与系统人工智能燕彩蓉,潘乔编

none

68.8 6.9折 99 全新

仅1件

北京丰台

认证卖家担保交易快速发货售后保障

作者燕彩蓉,潘乔编

出版社科学出版社

ISBN9787030601452

出版时间2019-02

版次1

装帧平装

开本16

页数124页

字数146千字

定价99元

货号xhwx_1202270487

上书时间2025-01-02

智胜图书专营店

七年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 27小时
好评率暂无

最新上架

新语文高效阅读训练 4年级全新升级版小学常备综合《高效阅读训练》编写组编 ¥14.10

新语文高效阅读训练 5年级全新升级版小学常备综合《高效阅读训练》编写组编 ¥14.10

脱说德语外语－德语 (德)保罗·雷奥哈德编 ¥15.50

桃园三结义绘本张世超编张德肄,赵诺绘 ¥6.60

宝钗扑蝶绘本张引编栾健绘 ¥6.60

地表覆盖神经网络分类理论与方法自然科学李景文等 ¥55.70

神经网络动力学分析与同步控制自然科学周湘辉 ¥33.20

晴雯撕扇绘本张引编王丽丽绘 ¥6.60

真李逵绘本孙硕夫编高巨峰,王丽丽绘 ¥7.00

商品详情

品相描述：全新: 正版特价新书

商品描述: 目录：

前言

章绪论1

1.1预测和问题描述1

1.2研究意义3

1.3外研究现状及发展动态4

1.3.1数据稀疏和冷启动问题5

1.3.2用户偏好和物品流行度动态建模6

1.3.3大数据处理和模型的扩展7

1.3.4多样和准确衡问题8

1.4本书组织结构9

第2章fm模型及其扩展12

2.1逻辑回归模型12

2.2基于因子分解的多项式回归模型13

2.3fm模型14

2.4fm模型与矩阵分解模型的转化15

2.4.1矩阵分解模型15

2.4.2fm模型转化为矩阵分解模型16

2.5fm模型的高阶扩展17

2.6fm模型的场交互扩展18

2.7fm模型的层次交互扩展19

2.8fm模型与其他模型的集成20

2.9本章小结22

笫3章特征工程及其对fm模型的影响23

3.1属、特征、特征向量和数据集23

3.2特征工程24

3.3特征的来源25

3.4fm模型相关研究中的特征工程27

3.5fm模型的应用领域30

3.6本章小结32

第4章模型训练方法33

4.1预测和模型的目标优化33

4.2模型训练方式34

4.2.1拟牛顿法34

4.2.2sgd系列算法35

4.2.3gibbs采样算法37

4.3激活函数38

4.4过拟合问题39

4.4.1正则化方式40

4.4.2批规范化41

4.4.3dropout及相关优化方法42

4.5本章小结44

第5章智能化场感知分解机45

5.1算法改进思路45

5.2iffm模型46

5.3多样处理48

5.3.1热扩散算法48

5.3.2两个模型的集成50

5.4实验结果与分析50

5.4.1实验环境50

5.4.2实验结果51

5.5本章小结54

第6章广义场感知分解机55

6.1模型改进思路55

6.2咐间因子57

6.3动态模型构建58

6.4gffm模型评价60

6.4.1实验设置60

6.4.2实验结果及分析62

6.5本章小结64

第7章fm模型与深度学模型的集成65

7.1fnn模型65

7.2wide&deep模型66

7.3deep&cross模型67

7.4deepfm模型68

7.5nfm与afm模型68

7.6宽度和深度学模型集成方式分析69

7.7本章小结70

第8章基于稠密网络的广义场感知分解机71

8.1res和dense71

8.2dgffm模型73

8.2.1wide&deep结构73

8.2.2fnn结构74

8.3dgffm模型评价75

8.3.1实验设置75

8.3.2实验结果及分析75

8.4本章小结76

第9章fm模型实现库及并行化处理77

9.1libfm一77

9.1.1libfm中核心类之间的关系77

9.1.2fm一learn类代码解析78

9.2fm的其他实现库83

9.2.1libffm83

9.2.2fastfm83

9.3fm模型的其他优化方法83

9.4fm模型的并行实现84

9.5本章小结87

0章时尚电商领域的系统研究88

10.1深度学为时尚研究带来新思路88

10.2大数据环境下时尚电商系统框架及面临的问题89

10.3融合视觉特征的系统研究内容90

10.3.1融合非视觉属与视觉特征及其时空动态的模型研究91

10.3.2面向大规模数据的并行化模型训练算法与技术研究92

10.3.3在线引擎研究92

10.4关键问题93

10.4.1基于视觉特征的时空动态建模93

10.4.2模型训练的优化问题93

10.4.3引擎的实时处理93

10.5相关技术94

10.5.1基于深度卷积神经网络的视觉特征提取方法94

10.5.2基于iffm模型的非视觉属建模95

10.5.3基于vbpr的视觉特征建模96

10.5.4基于马尔可夫链的时间序列预测96

10.5.5基于sgd算法的模型训练方法97

10.5.6基于tensorflow的并行算法实现98

10.6本章小结98

1章一个n-阶段购买决策模型100

11.1研究背景100

11.2特征处理与wide&deepplus框架101

11.3nspd模型及其优化102

11.4实验与结果评价105

11.4.1数据集105

11.4.2评价指标106

11.4.3算法实现106

11.4.4实验结果106

11.5本章小结108

参文献109

内容简介：

因子分解机模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测准确度和计算效率，在广告点击率预测和系统领域被广泛研究和应用。本书对因子分解机模型及其相关模型的研究进展进行综述，阐述该模型的灵活和普适，对模型中有待深入研究的难点、热点及发展趋势进行展望。结合研究成果，进一步对该模型进行扩展，并将此扩展后的模型应用于时尚电商领域的任务。提出大数据环境下时尚电商系统框架、研究内容、关键问题，以及可以采用的相关技术，后通过一个实例验证方案的可行。本书适合将要或正在从事数据挖掘、机器学、系统、时尚电商相关研究的科研人员参。其中关于因子分解机模型的综述，以及对其改进工作，可以帮助科研人员拓宽研究思路；关于时尚电商领域的系统研究及应用，可以促进机器学方法在系统中的应用。