書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)

信息檢索的反饋排序算法

作者：蔡彪著
出版社：吉林大學(xué)出版社出版時(shí)間：2022-09-01
開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 189
中 圖 價(jià):¥27.0(5.5折) 定價(jià)  ¥49.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿(mǎn)39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

信息檢索的反饋排序算法 版權(quán)信息

信息檢索的反饋排序算法 內(nèi)容簡(jiǎn)介

　　《信息檢索的反饋排序算法》主要介紹了本團(tuán)隊(duì)在推薦系統(tǒng)召回階段和精排階段的一些研究成果，包括構(gòu)造了一種基于三角形面積的三部圖推薦模型、基于混合參數(shù)優(yōu)化二部圖推薦模型、基于時(shí)序衰減的推薦模型、基于word2vec游走的推薦模型和基于異質(zhì)圖網(wǎng)絡(luò)表達(dá)學(xué)習(xí)的推薦模型等共5種方法。書(shū)中內(nèi)容可以作為推薦系統(tǒng)研究人員的參考，也可以作為具體工業(yè)應(yīng)用的推薦系統(tǒng)的算法基礎(chǔ)。

信息檢索的反饋排序算法 目錄

目錄
1推薦系統(tǒng)基礎(chǔ)001
1．1推薦系統(tǒng)簡(jiǎn)介001
1．2推薦系統(tǒng)常用方法003
1．2．1協(xié)同過(guò)濾003
1．2．2基于內(nèi)容的推薦算法005
1．2．3網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)推薦算法005
1．3推薦系統(tǒng)常用數(shù)據(jù)集與評(píng)價(jià)指標(biāo)009
1．3．1常用數(shù)據(jù)集009
1．3．2評(píng)價(jià)指標(biāo)010
1．4推薦系統(tǒng)面臨的挑戰(zhàn)012
2基于雙重自適應(yīng)機(jī)制的異質(zhì)信息網(wǎng)絡(luò)推薦算法014
2．1網(wǎng)絡(luò)表示學(xué)習(xí)014
2．1．1淺層神經(jīng)網(wǎng)絡(luò)模型015
2．1．2深度神經(jīng)網(wǎng)絡(luò)模型016
2．2異質(zhì)信息網(wǎng)絡(luò)018
2．2．1異質(zhì)信息網(wǎng)絡(luò)中的相似度計(jì)算018
2．2．2異質(zhì)信息網(wǎng)絡(luò)中的表示學(xué)習(xí)019
2．3基于異質(zhì)信息網(wǎng)絡(luò)的推薦算法022
2．4雙重自適應(yīng)異質(zhì)信息網(wǎng)絡(luò)推薦模型023
2．4．1模型總體思想023
2．4．2模型構(gòu)建方法026
2．4．3整體流程030
2．5實(shí)驗(yàn)結(jié)果及分析031
2．5．1對(duì)比實(shí)驗(yàn)結(jié)果031
2．5．2模型設(shè)計(jì)驗(yàn)證036
2．5．3推薦列表長(zhǎng)度影響分析037
2．5．4參數(shù)敏感度分折038
3基于時(shí)間和神經(jīng)網(wǎng)絡(luò)的推薦策略研究043
3．1基于物品綜合流行性的推薦算法044
3．1．1時(shí)間權(quán)重衰減模型044
3．1．2物品綜合流行性模型045
3．2實(shí)驗(yàn)結(jié)果047
3．2．1數(shù)據(jù)劃分047
3．2．2ComPI模型與基準(zhǔn)算法結(jié)合049
3．2．3ComPI模型與基于時(shí)效性算法對(duì)比051
3．2．4ComPI模型與*近度增加算法對(duì)比052
3．2．5ComPI模型的綜合對(duì)比分析054
3．3實(shí)驗(yàn)分析056
3．3．1時(shí)間權(quán)重的影響056
3．3．2分箱數(shù)量的影響057
3．3．3數(shù)據(jù)特性的影響058
3．3．4時(shí)間信息與資源分配059
3．4基于神經(jīng)網(wǎng)絡(luò)解決冷啟動(dòng)問(wèn)題的推薦研究061
3．4．1基于BP神經(jīng)網(wǎng)絡(luò)解決冷啟動(dòng)的推薦模型062
3．4．2基于CNN解決冷啟動(dòng)的物品推薦模型066
3．5實(shí)驗(yàn)結(jié)果及分析073
3．5．1評(píng)價(jià)指標(biāo)073
3．5．2 BP-Rec模型實(shí)驗(yàn)結(jié)果074
3．5．3 CNN-Rec模型實(shí)驗(yàn)結(jié)果081
4基于粒子群優(yōu)化參數(shù)的混合推薦算法087
4．1粒子群算法087
4．2混合算法IHM 088
4．3雙參數(shù)的IHM算法090
4．4算法參數(shù)改進(jìn)的合理性說(shuō)明092
4．5 IHM算法的參數(shù)優(yōu)化094
4．6實(shí)驗(yàn)與分析096
4．6．1對(duì)比算法096
4．6．2參數(shù)優(yōu)化097
4．6．3實(shí)驗(yàn)結(jié)果099
4．6．4多樣性提升分析102
4．6．5數(shù)據(jù)劃分對(duì)推薦結(jié)果的影響106
5基于word2vec的推薦系統(tǒng)模型研究112
5．1word2vec模型112
5．1．1 CBOW 112
5．1．2 Skip-gram 114
5．1．3分層softmax 115
5．1．4負(fù)采樣116
5．1．5高頻詞再抽樣117
5．2基于word2vec的圖隨機(jī)游走推薦優(yōu)化模型117
5．2．1基于圖隨機(jī)游走更斷權(quán)重117
5．2．2更新推薦列表125
5．2．3推薦系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)126
5．3試驗(yàn)分析128
5．3．1數(shù)據(jù)集128
5．3．2數(shù)據(jù)預(yù)處理129
5．3．3參數(shù)設(shè)置130
5．3．4實(shí)驗(yàn)結(jié)果與分析132
6基于混合策略的個(gè)性化推薦算法研究139
6．1馬爾可夫鏈及評(píng)價(jià)標(biāo)準(zhǔn)139
6．1．1馬爾可夫性及過(guò)程139
6．1．2轉(zhuǎn)移概率140
6．1．3算法性能測(cè)試方法141
6，1．4測(cè)試標(biāo)準(zhǔn)概述及認(rèn)識(shí)142
6，1．5關(guān)于K-means算法的簡(jiǎn)要介紹146
6．2基于混合策略的個(gè)性化推薦算法146
6．2．1混合策略146
6．2．2構(gòu)建推薦模型147
6．2．3改變權(quán)重與面積校正152
6．2．4參數(shù)和多樣性分析153
6．3實(shí)驗(yàn)與分析157
6．3．1結(jié)果預(yù)分析157
6．3．2實(shí)驗(yàn)結(jié)果對(duì)比158
參考文獻(xiàn)180
展開(kāi)全部

信息檢索的反饋排序算法 作者簡(jiǎn)介

作者簡(jiǎn)介蔡彪，博士，教授，碩士生導(dǎo)師，中國(guó)人工智能學(xué)會(huì)機(jī)器博弈專(zhuān)委會(huì)副主任，成都理工大學(xué)“數(shù)字媒體資源管理科研創(chuàng)新團(tuán)隊(duì)”負(fù)責(zé)人，中文核心期刊《計(jì)算機(jī)應(yīng)用》《智能系統(tǒng)學(xué)報(bào)》及多個(gè)SCI期刊審稿人。近五年以第一作者及通信作者在ESWA等期刊發(fā)表SCI論文檢索7篇、EI檢索論文3篇，中文核心及CSCD期刊論文4篇，授權(quán)國(guó)家發(fā)明專(zhuān)利2項(xiàng)，新申請(qǐng)國(guó)家發(fā)明專(zhuān)利10項(xiàng)，獲登記軟件著作權(quán)23項(xiàng)。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線客服