智能推荐技术

第1章 概述
1．1 推荐技术简介
1．2 推荐问题分类
1．3 数学基础知识
1．3．1 线性代数
1．3．2 概率论
1．3．3 神经网络中的激活函数
1．4 常用数据集和验证方法
1．4．1 常用数据集
1．4．2 验证方法
1．5 常用评价指标
1．5．1 面向评分预测的评价指标
1．5．2 面向物品排序的评价指标
1．6 深度学习平台简介
1．7 本章小结
1．8 参考文献
1．9 习题

第2章 基于显式反馈的评分预测
2．1 协同过滤（CF）问题
2．2 基于均值填充的方法
2．2．1 预测公式
2．2．2 讨论
2．3 基于邻域的方法
2．3．1 基于用户的协同过滤
2．3．2 基于物品的协同过滤
2．3．3 混合协同过滤
2．3．4 讨论
2．4 基于矩阵分解的方法
2．4．1 概率矩阵分解
2．4．2 改进的奇异值分解
2．4．3 结合多类偏好上下文的矩阵分解
2．4．4 因子分解机
2．5 基于深度学习的方法
2．5．1 受限玻尔兹曼机
2．5．2 自编码器
2．6 本章小结
2．7 参考文献
2．8 习题

第3章 基于显式反馈的物品排序
3．1 协同排序（CR）问题
3．2 粗精迁移排序
3．2．1 模型介绍
3．2．2 算法流程
3．2．3 代码实现
3．2．4 实验设置
3．2．5 讨论
3．3 上下文感知协同排序
3．3．1 模型介绍
3．3．2 算法流程
3．3．3 代码实现
3．3．4 实验设置
3．3．5 讨论
3．4 整全迁移排序
3．4．1 模型介绍
3．4．2 基于模型的整全迁移排序
3．4．3 基于邻域的整全迁移排序
3．4．4 代码实现
3．4．5 实验设置
3．4．6 讨论
3．5 本章小结
3．6 参考文献
3．7 习题

第4章 基于隐式反馈的物品排序
4．1 单类协同过滤（OCCF）问题
4．2 基于热度的方法
……
第5章 基于异构反馈的评分预测
第6章 基于异构反馈的物品排序
第7章 单行为序列推荐
第8章 多行为序列推荐
第9章 跨用户联邦推荐
第10章 跨组织联邦推荐
第11章 总结与展望
附录A 学术期刊论文数量统计
附录B 学术会议论文数量统计
附录C 推荐系统国际会议研究话题
附录D 推荐系统国际会议研讨会主题
附录E 中英文术语对照表
后记
致谢