中圖網(wǎng)

>

數(shù)據(jù)庫

>

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

推薦系統(tǒng)

作者：(奧地利)詹尼士等

出版社：人民郵電出版社出版時間：2013-07-01

開本： 16開 頁數(shù)： 225

本類榜單：計算機/網(wǎng)絡(luò)銷量榜

中圖價:¥28.9(4.9折) 定價 ~~¥59.0~~ 登錄后可看到會員價

加入購物車收藏

運費6元，滿39元免運費

?新疆、西藏除外

溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標記、光盤等附件不全詳細品相說明>>

本類五星書更多>

>
決戰(zhàn)行測5000題(言語理解與表達)

決戰(zhàn)行測5000題(言語理解與表達)

¥38.8¥88
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路

軟件性能測試.分析與調(diào)優(yōu)實踐之路

¥49.3¥69
>
第一行代碼Android

第一行代碼Android

¥58.4¥99
>
深度學(xué)習(xí)

深度學(xué)習(xí)

¥92.4¥168
>
Unreal Engine 4藍圖完全學(xué)習(xí)教程

Unreal Engine 4藍圖完全學(xué)習(xí)教程

¥72.2¥168
>
深入理解計算機系統(tǒng)-原書第3版

深入理解計算機系統(tǒng)-原書第3版

¥104.3¥139
>
Word/Excel PPT 2013辦公應(yīng)用從入門到精通-(附贈1DVD.含語音視頻教學(xué)+辦公模板+PDF電子書)

Word/Excel PPT 2013辦公應(yīng)用從入門到精通-(附贈1DVD.含語音視頻教學(xué)+辦公模板+PDF電子書)

¥21¥49.9

買過本商品的人還買了

推薦系統(tǒng)開發(fā)實戰(zhàn)
高陽團
¥56.9~~¥79.0~~
重構(gòu):改善既有代碼的設(shè)計:improving the design of existing code
[美]馬丁·福勒(MartinFowl
¥105.8~~¥168.0~~
數(shù)據(jù)密集型應(yīng)用系統(tǒng)設(shè)計
[美]MartinKleppmann
¥70.4~~¥128.0~~
公共交通大數(shù)據(jù)挖掘與分析
馬曉磊等著
¥21.6~~¥30.0~~
社交大數(shù)據(jù)挖掘
(日)石川博編著;郎為民等譯
¥28.9~~¥59.0~~

商品詳情
商品評論(0條)

中圖價:¥28.9 加入購物車

版權(quán)信息
本書特色
內(nèi)容簡介
目錄
作者簡介

推薦系統(tǒng) 本書特色

當(dāng)你在網(wǎng)上瀏覽一件商品時，附近總會出現(xiàn)“購買此商品的顧客還購買過……”或“看過此商品的顧客還看過……”這樣的推薦信息。在這個物質(zhì)供應(yīng)極度豐富的時代，對于顧客來說，面對眾多令人眼花繚亂的商品，該選擇哪一個呢？于是，推薦商品起到了關(guān)鍵作用，而這些商品的背后就是推薦系統(tǒng)。推薦系統(tǒng)的出現(xiàn)使人們能夠快速準確地發(fā)現(xiàn)他們感興趣的商品或信息，大大推動了電子商務(wù)的成功以及互聯(lián)網(wǎng)的發(fā)展。推薦系統(tǒng)的應(yīng)用不僅僅局限于電子商務(wù)，隨著技術(shù)的不斷創(chuàng)新，它已經(jīng)滲透進了互聯(lián)網(wǎng)的方方面面，從電影、音樂到社交網(wǎng)絡(luò)、閱讀以及廣告，幾乎每個角落都有推薦系統(tǒng)的身影。在未來的互聯(lián)網(wǎng)發(fā)展中，誰掌握了推薦系統(tǒng)，誰就會是大的贏家。《推薦系統(tǒng)》是一本全面講解推薦系統(tǒng)的經(jīng)典佳作，作者均為該領(lǐng)域的領(lǐng)軍人物。在《推薦系統(tǒng)》中，他們從協(xié)同推薦、基于內(nèi)容的推薦、基于知識的推薦等多個方面，詳細介紹了推薦系統(tǒng)的基本概念，并在第二部分中對推薦系統(tǒng)的新發(fā)展進行了講解。本書對如何開發(fā)先進的推薦系統(tǒng)，如何自動提供各種各樣的選擇策略，進而向客戶提供實惠、個性和高質(zhì)量的推薦做了概述。作者不僅介紹了生成個性化購買建議的算法，還對如何衡量推薦系統(tǒng)的有效性進行了討論，并結(jié)合實際案例研究進行了說明。通過對本書的學(xué)習(xí)，讀者不僅可以全面系統(tǒng)地了解該領(lǐng)域的基礎(chǔ)原理，還能試驗如何搭建一套真正的推薦系統(tǒng)。 —— 百度主任架構(gòu)師、百度技術(shù)委員會主席廖若雪本書比較全面地介紹了推薦系統(tǒng)涉及的相關(guān)知識點，很適合對于推薦系統(tǒng)感興趣的相關(guān)人員作為入門教程，目前能夠系統(tǒng)全面介紹相關(guān)技術(shù)的中文書籍還顯得匱乏，相信這本譯著對于緩解這種情況大有裨益。 ——新浪微博數(shù)據(jù)挖掘技術(shù)專家張俊林本書不但介紹了比較成熟的經(jīng)典算法，還介紹了*近幾年的一些新進展，并輔之以實際應(yīng)用的案例介紹。希望看到越來越多的朋友加入到推薦引擎的研究和應(yīng)用中來！ ——百分點信息科技有限公司首席運營官兼技術(shù)副總裁張韶峰由蔣凡執(zhí)筆翻譯的這本《推薦系統(tǒng)》是一本從基礎(chǔ)介紹推薦引擎的難得的好書，給人啟迪良多。愿越來越多的互聯(lián)網(wǎng)愛好者認真閱讀本書，走在互聯(lián)網(wǎng)發(fā)展大潮的前沿，成為下一代互聯(lián)網(wǎng)產(chǎn)品真正需要的人才。 ——人民搜索商務(wù)搜索部總監(jiān) 常興龍這是迄今為止市面上所有講推薦系統(tǒng)的書中*全面、*實用的一本入門指南。如果你是教這門課的大學(xué)老師，萬萬不能錯過這本“推薦系統(tǒng)大全”。尤其值得稱道的是，這本書廣泛涵蓋了不同類型的推薦系統(tǒng)，并對它們逐一進行了鞭辟入里、細致入微的剖析。雖然這本書定位于初中級讀者，但是我認為即使是經(jīng)驗豐富的專業(yè)人員，也會在其中發(fā)現(xiàn)新鮮有趣的內(nèi)容。 ——Robin Burke, 芝加哥德保羅大學(xué)教授本書涵蓋了推薦系統(tǒng)領(lǐng)域的全部知識，并為應(yīng)對未來新的挑戰(zhàn)提供了前瞻性建議。書中全面解釋了一系列生成推薦的經(jīng)典算法和方法，概述了源自社交計算和語義網(wǎng)的新手段對推薦系統(tǒng)的作用。希望這本書能夠點燃你的激情，釋放你的創(chuàng)造力和進取精神，把推薦系統(tǒng)的研究與應(yīng)用推向新的高度。 ——Joseph A. Konstan, 美國明尼蘇達大學(xué)教授

推薦系統(tǒng) 目錄

第1章　引言　
1.1　**部分：基本概念　
1.1.1　協(xié)同過濾推薦　
1.1.2　基于內(nèi)容的推薦　
1.1.3　基于知識的推薦　
1.1.4　混合推薦方法　
1.1.5　推薦系統(tǒng)的解釋　
1.1.6　評估推薦系統(tǒng)　
1.1.7　案例研究　
1.2　第二部分：*新進展　

**部分　基本概念

第2章　協(xié)同過濾推薦　
2.1　基于用戶的*近鄰?fù)扑]　
2.1.1　**個例子　
2.1.2　更好的相似度和賦權(quán)體系　
2.1.3　選擇近鄰　
2.2　基于物品的*近鄰?fù)扑]　
2.2.1　余弦相似度度量　
2.2.2　基于物品過濾的數(shù)據(jù)預(yù)處理　
2.3　關(guān)于評分　
2.3.1　隱式和顯式評分　
2.3.2　數(shù)據(jù)稀疏和冷啟動問題　
2.4　更多基于模型和預(yù)處理的方法　
2.4.1　矩陣因子分解　
2.4.2　關(guān)聯(lián)規(guī)則挖掘　
2.4.3　基于概率分析的推薦方法　
2.5　近來實際的方法和系統(tǒng)　
2.5.1　slope one預(yù)測器　
2.5.2　google新聞個性化推薦引擎　
2.6　討論和小結(jié)　
2.7　書目注釋　

第3章　基于內(nèi)容的推薦　
3.1　內(nèi)容表示和相似度　
3.1.1　向量空間模型和tf-idf　
3.1.2　向量空間模型的改進及局限　
3.2　基于內(nèi)容相似度檢索　
3.2.1　*近鄰　
3.2.2　相關(guān)性反饋——rocchio方法　
3.3　其他文本分類方法　
3.3.1　基于概率模型的方法　
3.3.2　其他線性分類器和機器學(xué)習(xí)　
3.3.3　顯式?jīng)Q策模型　
3.3.4　特征選擇　
3.4　討論　
3.4.1　對比評估　
3.4.2　局限　
3.5　小結(jié)　
3.6　書目注釋　

第4章　基于知識的推薦　
4.1　介紹　
4.2　知識表示法和推理　
4.2.1　約束　
4.2.2　實例與相似度　
4.3　與基于約束推薦系統(tǒng)交互　
4.3.1　默認設(shè)置　
4.3.2　處理不滿意的需求和空結(jié)果集　
4.3.3　提出對未滿足需求的修改建議　
4.3.4　對基于物品/效用推薦結(jié)果的排序　
4.4　與基于實例的推薦系統(tǒng)交互　
4.4.1　評價　
4.4.2　混合評價　
4.4.3　動態(tài)評價　
4.4.4　高級的物品推薦方法　
4.4.5　評價多樣性　
4.5　應(yīng)用實例　
4.5.1　vita——基于約束的推薦系統(tǒng)　
4.5.2　entree——基于實例的推薦系統(tǒng)　
4.6　書目注釋　

第5章　混合推薦方法　
5.1　混合推薦的時機　
5.1.1　推薦理論框架　
5.1.2　混合設(shè)計　
5.2　整體式混合設(shè)計　
5.2.1　特征組合的混合方案　
5.2.2　特征補充的混合方案　
5.3　并行式混合設(shè)計　
5.3.1　交叉式混合　
5.3.2　加權(quán)式混合　
5.3.3　切換式混合　
5.4　流水線混合設(shè)計　
5.4.1　串聯(lián)混合　
5.4.2　分級混合　
5.5　討論和小結(jié)　
5.6　書目注釋　

第6章　推薦系統(tǒng)的解釋　
6.1　介紹　
6.2　基于約束的推薦系統(tǒng)中的解釋　
6.2.1　實例　
6.2.2　通過推導(dǎo)生成解釋　
6.2.3　可靠解釋的分析與概述　
6.2.4　可靠解釋　
6.3　基于實例推薦系統(tǒng)的解釋　
6.4　協(xié)同過濾推薦系統(tǒng)的解釋　
6.5　小結(jié)　

第7章　評估推薦系統(tǒng)　
7.1　介紹　
7.2　評估研究的一般特性　
7.2.1　總論　
7.2.2　評估方案的實驗對象　
7.2.3　研究方法　
7.2.4　評估環(huán)境　
7.3　主流推薦方案　
7.4　歷史數(shù)據(jù)集評估　
7.4.1　方法論　
7.4.2　衡量標準　
7.4.3　結(jié)果的分析　
7.5　其他評估方案　
7.5.1　實驗性研究方案　
7.5.2　準實驗研究方案　
7.5.3　非實驗研究方案　
7.6　小結(jié)　
7.7　書目注釋　

第8章　案例分析：移動互聯(lián)網(wǎng)個性化游戲推薦　
8.1　應(yīng)用與個性化概述　
8.2　算法和評級　
8.3　評估　
8.3.1　測量1：我的推薦　
8.3.2　測量2：售后推薦　
8.3.3　測量3：起始頁推薦　
8.3.4　測量4：演示版下載的整體效果　
8.3.5　測量5：整體效果　
8.4　小結(jié)與結(jié)論　

第二部分　*新進展

第9章　針對協(xié)同推薦系統(tǒng)的攻擊　
9.1　**個例子　
9.2　攻擊維度　
9.3　攻擊類型　
9.3.1　隨機攻擊　
9.3.2　均值攻擊　
9.3.3　造勢攻擊　
9.3.4　局部攻擊　
9.3.5　針對性的打壓攻擊　
9.3.6　點擊流攻擊和隱式反饋　
9.4　效果評估和對策　
9.4.1　推舉攻擊　
9.4.2　打壓攻擊　
9.5　對策　
9.6　隱私方面——分布式協(xié)同過濾　
9.6.1　集中方法：數(shù)據(jù)擾動　
9.6.2　分布式協(xié)同過濾　
9.7　討論　

第10章　在線消費決策　
10.1　介紹　
10.2　環(huán)境效應(yīng)　
10.3　首位/新近效應(yīng)　
10.4　其他效應(yīng)　
10.5　個人和社會心理學(xué)　
10.6　書目注釋　

第11章　推薦系統(tǒng)和下一代互聯(lián)網(wǎng)　
11.1　基于信任網(wǎng)絡(luò)的推薦系統(tǒng)　
11.1.1　利用顯式的信任網(wǎng)絡(luò)　
11.1.2　信任度度量方法和效果　
11.1.3　相關(guān)方法和近期進展　
11.2　大眾分類法及其他　
11.2.1　基于大眾分類法的推薦　
11.2.2　推薦標簽　
11.2.3　在分享媒體中推薦內(nèi)容　
11.3　本體過濾　
11.3.1　通過分類改進過濾　
11.3.2　通過屬性改進過濾　
11.4　從網(wǎng)絡(luò)抽取語義　
11.5　小結(jié)　

第12章　普適環(huán)境中的推薦　
12.1　介紹　
12.2　上下文感知推薦　
12.3　應(yīng)用領(lǐng)域　
12.4　小結(jié)　

第13章　總結(jié)和展望　
13.1　總結(jié)　
13.2　展望　

參考文獻　
索引　

展開全部