普通高等教育人工智能与大数据系列教材推荐系统/刘宏志

本书特色

[

本书除了介绍推荐系统的一般框架、典型应用和评测方法之外，还主要介绍各种典型推荐算法的思想、原理、算法设计和应用场景，包括针对“千人千面”的个性化推荐和针对“千人万面”的情境化推荐。此外，本书还包含一些和推荐系统相关的专题内容，如针对排序问题的排序学习和针对信息融合的异质信息网络模型。
本书可作为计算机科学与技术、软件工程、数据科学与大数据技术、人工智能等专业的高年级本科生和研究生的相关课程教材，也可作为从事推荐系统、搜索引擎、数据挖掘等研发工作相关人员的参考书。

]

内容简介

[

本书除了介绍推荐系统的一般框架、典型应用和评测方法之外，还主要介绍各种典型推荐算法的思想、原理、算法设计和应用场景，包括针对“千人千面”的个性化推荐和针对“千人万面”的情境化推荐。此外，本书还包含一些和推荐系统相关的专题内容，如针对排序问题的排序学习和针对信息融合的异质信息网络模型。 本书可作为计算机科学与技术、软件工程、数据科学与大数据技术、人工智能等专业的高年级本科生和研究生的相关课程教材，也可作为从事推荐系统、搜索引擎、数据挖掘等研发工作相关人员的参考书。

]

目录

目录目录前言第1章概述11.1推荐系统简介11.1.1信息超载11.1.2长尾效应21.1.3推荐系统的价值31.2推荐系统的发展历史31.3个性化推荐41.3.1用户画像41.3.2项目画像61.4应用场景61.4.1电商61.4.2新闻61.4.3音乐81.5推荐系统框架与形式化定义91.6推荐算法分类91.6.1基于算法思想的分类101.6.2基于应用问题的分类12习题13第2章基于邻域的协同过滤142.1协同过滤简介142.1.1基本思想142.1.2算法分类152.1.3一般流程152.2基于用户的协同过滤162.2.1Top�睳推荐172.2.2评分预测192.3基于项目的协同过滤222.3.1Top�睳推荐222.3.2评分预测242.4基于距离的相似度度量262.5Slope One算法272.6基于二部图的协同过滤282.6.1激活扩散模型292.6.2物质扩散模型302.6.3热传导模型33习题35第3章基于模型的协同过滤363.1基于关联规则的协同过滤363.1.1基本概念373.1.2关联规则度量373.1.3Apriori关联规则挖掘算法383.1.4关联规则的相关分析393.2基于矩阵分解的评分预测413.2.1奇异值分解413.2.2隐语义模型433.2.3概率矩阵分解473.2.4SVD 模型503.3基于矩阵分解的Top�睳推荐513.3.1基于正样本过采样的矩阵分解513.3.2基于负样本欠采样的矩阵分解52习题53第4章基于内容和知识的推荐544.1基于内容的推荐系统框架544.2基于词向量空间模型的文本表示564.2.1词袋模型564.2.2TF�睮DF模型574.2.3模型改进584.2.4余弦相似度584.3基于语义的内容相似度594.3.1基于本体的文本相似度594.3.2基于网络知识的文本相似度604.3.3基于语料库的文本相似度624.4基于知识的推荐634.4.1基于约束的推荐634.4.2基于效用的推荐654.4.3基于实例的推荐66习题68第5章混合推荐系统695.1混合推荐实例——Netflix百万美金公开赛695.2混合/组合推荐的动机715.2.1实践经验715.2.2理论依据725.3混合/组合方法分类735.3.1有监督组合和无监督组合735.3.2并行式混合、串行式混合和整体式混合745.4并行式混合推荐755.4.1加权式混合755.4.2切换式混合765.4.3排序混合775.5串行式混合推荐785.5.1级联过滤785.5.2级联学习795.6整体式混合推荐805.6.1特征组合805.6.2特征扩充805.6.3基于图模型的混合81习题82第6章推荐系统评测836.1评测视角836.2实验方法846.2.1在线实验846.2.2用户调查856.2.3离线实验856.3评分预测评价指标866.3.1MAE和MSE876.3.2RMSE、NMAE和NRMSE876.4Top�睳推荐评价指标876.4.1分类准确度指标886.4.2ROC曲线和AUC值906.4.3基于排序的评价指标916.4.4其他常用评价指标936.5公开实验数据集94习题96第7章基于排序学习的推荐977.1排序学习模型分类977.2对级排序学习模型997.2.1基本框架997.2.2贝叶斯个性化排序1007.2.3协同对级排序学习1027.3列表级排序学习模型1067.3.1P�睵ush CR算法1077.3.2CofiRank算法108习题110第8章基于情境感知的推荐1118.1情境信息的定义1118.2情境信息的获取1138.3基于情境感知的推荐系统框架1138.3.1数据立方体1148.3.2基于树的层次信息表达1158.4融合情境信息的推荐模型1168.4.1情境预过滤1178.4.2情境后过滤1188.5情境建模1188.5.1基于邻域的方法1198.5.2基于模型的方法120习题121第9章基于时空信息的推荐1229.1基于时间信息的推荐1229.1.1*近*热门推荐算法1239.1.2基于时间的项目协同过滤1239.1.3基于时间的用户协同过滤1249.1.4基于会话的推荐1259.2基于序列感知的推荐1269.2.1基于马尔可夫模型的序列预测1279.2.2基于循环神经网络的序列预测1309.3基于空间信息的推荐1329.3.1位置信息的获取与推理1329.3.2基于位置信息的推荐1339.3.3融合其他信息的推荐134习题135第10章基于社交关系的推荐13610.1社交关系数据13610.2基于邻域的社交化推荐13810.2.1基于用户的协同过滤13810.2.2基于图扩散的推荐13910.3基于模型的社交化推荐14110.3.1基于潜在社交因子学习的推荐14110.3.2基于显式社交关系的推荐14310.4基于社会曝光的协同过滤146习题148第11章基于异质信息网络的推荐14911.1基本概念14911.2基于邻域的HIN推荐算法15011.2.1基于随机游走的相关度度量15011.2.2基于元路径的相关度度量15111.2.3基于元路径和随机游走混合的相关度度量15411.3基于模型的HIN推荐算法15511.3.1两阶段融合模型15511.3.2端到端的学习模型160习题163参考文献164

封面

书名:普通高等教育人工智能与大数据系列教材推荐系统/刘宏志

作者:刘宏志

页数:164

定价:¥39.0

出版社:机械工业出版社

出版日期:2020-04-01

ISBN:9787111649380

PDF电子书大小:135MB 高清扫描完整版