移动互联网信息推荐技术研究

图书标准信息

• 作者 曹洪江
• 出版社 电子工业出版社
• 出版时间 2022-12
• 版次 1
• ISBN 9787121359828
• 定价 88.00元
• 装帧 其他
• 页数 180页

【内容简介】

本书以推荐系统理论为基础，以探究移动互联网环境下用户如何精确获取信息这一问题为出发点，研究面向用户个性化需求的移动互联网信息推荐技术，分别从移动用户需求获取、移动情境感知推荐、社会化推荐、群组推荐等方面对移动互联网信息推荐技术展开较为全面、深入的研究和探讨。 本书可供从事电子商务推荐系统研究、教学的相关人员，以及高等院校研究生、电子商务工作者使用，可帮助读者理解在移动互联网环境下的信息推荐方法和技术。

【作者简介】

曹洪江，湖南双峰人，武汉理工大学经济学院副教授，博士。主要研究方向包括推荐系统、商务智能。

【目录】

目录

第1章  绪论1

1.1  移动互联网的基本概念2

1.1.1  移动互联网的定义及特点2

1.1.2  移动互联网推荐技术4

1.2  移动推荐系统研究框架10

1.3  移动推荐系统的应用13

1.4  移动互联网信息推荐领域中的研究热点16

参考文献18

第2章  推荐系统理论综述21

2.1  基于内容的推荐方法21

2.1.1  概述21

2.1.2  算法流程22

2.1.3  优点与不足26

2.2  协同过滤推荐方法27

2.2.1  基于邻域的协同过滤推荐方法28

2.2.2  基于模型的协同过滤推荐方法31

2.2.3  优点与不足33

2.3  情境感知推荐方法34

2.3.1  概述34

2.3.2  情境建模方法36

2.3.3  情境感知推荐技术的分类37

2.3.4  优点与不足39

2.4  社会化推荐方法40

2.4.1  概述40

2.4.2  社会关系网络模型的构建42

2.4.3  社会化推荐生成技术44

2.4.4  优点与不足47

2.5  群组推荐方法49

2.5.1  概述49

2.5.2  群组推荐方法的关键技术50

2.5.3  优点与不足52

2.6  基于深度学习的推荐方法53

2.6.1  概述53

2.6.2  深度学习模型54

2.6.3  基于深度学习的推荐方法分类57

2.6.4  优点与不足59

2.7  大数据环境下的推荐方法60

2.7.1  概述60

2.7.2  大数据环境下的推荐方法中的技术61

2.7.3  大数据环境下的推荐方法的分类65

2.7.4  优点与不足66

参考文献67

第3章  移动用户需求获取71

3.1  移动用户需求特点72

3.2  用户需求获取技术概述74

3.2.1  传统用户需求获取技术74

3.2.2  移动用户需求获取技术76

3.3  移动用户需求获取关键技术77

3.3.1  移动用户需求获取技术框架77

3.3.2  情境对移动用户需求的影响79

3.3.3  移动用户需求获取的计算方法81

3.3.4  移动用户需求动态获取及自适应更新技术84

3.4  移动用户需求获取技术效用评价86

3.5  有待进一步研究的问题88

参考文献90

第4章  移动情境感知推荐96

4.1  情境信息概述97

4.1.1  情境信息的概念及特点97

4.1.2  移动情境信息的分类98

4.2  情境信息的获取100

4.2.1  情境信息获取的技术架构100

4.2.2  情境信息的获取方法101

4.3  情境信息的表示方法与建模方法102

4.3.1  情境信息的表示方法102

4.3.2  情境信息的建模方法103

4.4  情境感知推荐算法107

4.5  两种典型的改进情境感知推荐算法112

4.5.1  基于矩阵分解的情境感知推荐算法112

4.5.2  宽松匹配的情境感知推荐算法114

4.6  情境感知推荐系统的效用评价118

参考文献119

第5章  社会化推荐124

5.1  社会化推荐概述125

5.1.1  社会化推荐系统的形式化定义125

5.1.2  社会化推荐系统的基本框架126

5.1.3  社会化网络模型的构建127

5.1.4  社会化推荐生成技术128

5.2  融合移动用户信任关系的协同过滤推荐算法129

5.2.1  信任用户间的影响度计算131

5.2.2  融合信任关系的推荐方法135

5.3  融合用户群组关系的群组推荐方法135

5.4  融合用户地理位置信息的协同过滤推荐方法139

5.4.1  基于地理位置信息的用户偏好特征模型140

5.4.2  用户间的信任度计算142

5.4.3  基于用户地理位置信息的网络信息推荐算法143

5.5  融合项目相似度和信任关系的推荐方法145

参考文献149

第6章  群组推荐153

6.1  群组推荐概述154

6.1.1  群组推荐的基本方法154

6.1.2  群组的发现和群组推荐的偏好融合策略155

6.2  偏好融合的方法157

6.3  群组特征对偏好融合算法的影响160

6.4  群组推荐系统的效用评价161

6.5  基于项目评分和特征的群组推荐方法163

6.5.1  构建用户偏好模型164

6.5.2  构建群组偏好模型166

6.5.3  群组相似度计算167

6.5.4  群组推荐算法168

参考文献170