基于机器学的个化算法及应用 人工智能 刘超慧 李玲玲 新华正版

图书标准信息

• 作者 刘超慧；李玲玲
• 出版社 人民邮电出版社
• 出版时间 2018-10
• 版次 1
• ISBN 9787115640871
• 定价 99.90元
• 装帧 平装
• 开本 16开
• 页数 160页
• 字数 173千字

【内容简介】

个化作为一种重要的信息过滤技术，广泛应用于电子、社交服务以及基于位
置的服务等领域，随着数据量的爆炸式增长，原有的算法存在执行效率低和数据稀疏等问题。为了解决原有算法存在的问题，本书提出了3 种新的算法，分别是基于三维项集矩阵和向量的频繁项集挖掘算法、融合惩罚因子和时间权重的协同过滤算法以及基于用户属和项目评分的协同过滤算法，并介绍了一个个化图书原型系统的构建方案。
本书结构清晰、文字流畅，适合对机器学、个化感兴趣的读者阅读。

【作者简介】

刘超慧：郑州航空管理学院智能工程学院创新实践中心主任，主要研究方向为信息系统开发、机器学和资源。从事程序设计基础、语言程序设计、python语言程序设计、程序设计综合实践等课程的工作。

李玲玲：教授，博士后，郑州航空管理学院科技处处长，多模信息感知计算河南省工程实验室主任，河南省航空物流大数据应用技术服务工程研究中心主任。

【目录】

章  概述
1.1 研究背景与意义 
1.1.1 研究背景 
1.1.2 研究意义 
1.2 问题与挑战 
1.2.1 信息过载 
1.2.2 长尾效应 
1.2.3 隐私保护 
1.3 本书的组织架构 

第 2章  机器学的相关理论
2.1 机器学 
2.1.1 机器学的概念
2.1.2 机器学的分类 
2.1.3 机器学的工作流程 
2.2 系统 
2.2.1 系统概述 
2.2.2 系统的形式化定义 
2.3 用户画像 
2.3.1 用户画像概述 
2.3.2 用户画像信息来源 
2.3.3 用户画像建模 
2.4 人工神经网络 
2.4.1 人工神经网络模型 
2.4.2 典型的人工神经网络 
2.5 小结

第3章  个化算法的相关理论
3.1 个化系统的应用 
3.1.1 电子 
3.1.2 音/服务 
3.1.3 社交服务 
3.1.4 基于位置的服务
3.1.5 旅行服务 
3.2 算法的分类 
3.2.1 基于内容的 
3.2.2 协同过滤 
3.2.3 基于知识的 
3.2.4 混合 
3.2.5 算法比较 
3.3 系统评价 
3.3.1 评价方法 
3.3.2 准确度指标 
3.3.3 多样指标 
3.4 系统存在的问题 
3.4.1 数据稀疏 
3.4.2 冷启动 
3.4.3 可扩展 
3.4.4 用户兴趣漂移 
3.5 小结

第4章  基于三维项集矩阵和向量的频繁项集挖掘算法
4.1 概述
4.2 理论基础 
4.2.1 关联规则挖掘理论 
4.2.2 apriori 算法 
4.3 基于三维项集矩阵和向量的频繁项集挖掘算法详解 
4.3.1 相关定义 
4.3.2 算法说明 
4.3.3 基于三维项集矩阵和向量的更新策略 
4.4 实验结果分析 
4.4.1 实验数据集 
4.4.2 结果分析 
4.5 小结

第5章  融合惩罚因子和时间权重的协同过滤算法
5.1 概述 
5.2 理论基础 
5.2.1 欧几里得相似度 
5.2.2 余弦相似度 
5.2.3 修正余弦相似度 
5.2.4 皮尔逊相似度 
5.2.5 杰卡德相似度
5.2.6 组合knn 算法 
5.3 融合惩罚因子和时间权重的协同过滤算法详解 
5.3.1 热门物品与用户评分惯维度 
5.3.2 用户评分时间维度 
5.3.3 改进相似度及加权预测评分 
5.3.4 算法说明 
5.4 实验结题与分析 
5.4.1 实验数据集 
5.4.2 结果分析 
5.5 小结

第6章  基于用户属和项目评分的协同过滤算法
6.1 概述     
6.2 基于用户属和项目评分的协同过滤算法详解     
6.2.1 相关概念     
6.2.2 基于项目评分的相似度计算     
6.2.3 基于用户属的相似度计算     
6.2.4 算法说明     
6.3 实验与结果分析     
6.3.1 实验数据集
6.3.2 结果分析     
6.4 小结

第7章  个化图书原型系统
7.1 概述     
7.2 系统设计     
7.2.1 系统架构设计     
7.2.2 系统功能设计     
7.2.3 数据库设计     
7.3 系统实现及关键技术     
7.3.1 开发环境     
7.3.2 系统流程     
7.3.3 关键技术     
7.4 系统使用说明     
7.4.1 热门图书模块     
7.4.2 图书分类模块     
7.4.3 个化图书模块     
7.4.4 图书评价模块     
7.4.5 用户评分历史模块     
7.5 小结

第8章  结与展望
8.1 研究结     
8.2 研究展望     
参文献