暂无评论
图文详情
- ISBN:9787115640871
- 装帧:平装-胶订
- 册数:暂无
- 重量:暂无
- 开本:24cm
- 页数:148页
- 出版时间:2024-07-01
- 条形码:9787115640871 ; 978-7-115-64087-1
本书特色
提出如下3种算法:
① 基于三维项集矩阵和向量的频繁项集挖掘算法。
② 融合惩罚因子和时间权重的协同过滤算法。
③ 基于用户属性和项目评分的协同过滤算法。
给出了一个图书推荐原型系统的构建方案。
内容简介
个性化推荐作为信息过滤的一种重要技术,广泛应用于电子商务、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,原有的推荐算法存在执行效率低和数据稀疏性等问题。为了解决原有推荐算法存在的问题,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性和项目评分的协同过滤算法,并介绍了一个个性化图书推荐原型系统的构建方案。
目录
第 1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 机器学习的相关理论
2.1 机器学习
2.1.1 机器学习的概念
2.1.2 机器学习的分类
2.1.3 机器学习的工作流程
2.2 推荐系统
2.2.1 推荐系统概述
2.2.2 推荐系统的形式化定义
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 人工神经网络模型原理
2.4.2 典型的人工神经网络
2.5 小结
第3章 个性化推荐算法的相关理论
3.1 个性化推荐系统的应用
3.1.1 电子商务
3.1.2 音/视频服务
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 推荐算法的分类
3.2.1 基于内容的推荐
3.2.2 协同过滤推荐
3.2.3 基于知识的推荐
3.2.4 混合推荐
3.2.5 推荐算法比较
3.3 推荐系统评价
3.3.1 评价方法
3.3.2 准确度指标
3.3.3 多样性指标
3.4 推荐系统存在的问题
3.4.1 数据稀疏性
3.4.2 冷启动
3.4.3 可扩展性
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 推荐算法
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习惯维度
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 基于用户属性和项目评分的协同过滤算法
6.1 概述
6.2 基于用户属性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 基于用户属性的相似度计算
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 个性化图书推荐原型系统
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 个性化图书推荐模块
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 总结与展望
8.1 研究总结
8.2 研究展望
参考文献
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 机器学习的相关理论
2.1 机器学习
2.1.1 机器学习的概念
2.1.2 机器学习的分类
2.1.3 机器学习的工作流程
2.2 推荐系统
2.2.1 推荐系统概述
2.2.2 推荐系统的形式化定义
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 人工神经网络模型原理
2.4.2 典型的人工神经网络
2.5 小结
第3章 个性化推荐算法的相关理论
3.1 个性化推荐系统的应用
3.1.1 电子商务
3.1.2 音/视频服务
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 推荐算法的分类
3.2.1 基于内容的推荐
3.2.2 协同过滤推荐
3.2.3 基于知识的推荐
3.2.4 混合推荐
3.2.5 推荐算法比较
3.3 推荐系统评价
3.3.1 评价方法
3.3.2 准确度指标
3.3.3 多样性指标
3.4 推荐系统存在的问题
3.4.1 数据稀疏性
3.4.2 冷启动
3.4.3 可扩展性
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 推荐算法
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习惯维度
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 基于用户属性和项目评分的协同过滤算法
6.1 概述
6.2 基于用户属性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 基于用户属性的相似度计算
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 个性化图书推荐原型系统
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 个性化图书推荐模块
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 总结与展望
8.1 研究总结
8.2 研究展望
参考文献
展开全部
作者简介
刘超慧:郑州航空工业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、机器学习和资源推荐。从事《程序设计基础》、《高级语言程序设计》、《Python语言程序设计》、《程序设计综合实践》等课程的教学工作。 李玲玲:教授,博士后,郑州航空工业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。
本类五星书
本类畅销
-
她们
¥15.4¥46.8 -
快乐就是哈哈哈哈哈 插图纪念版
¥16.6¥52.0 -
献给爱与子宫的花束
¥23.0¥59.0 -
十三邀4:“这样的时代,有这样一个人”(八品)
¥22.6¥58.0 -
唇间的美色
¥22.1¥65.0 -
我从未如此眷恋人间
¥16.4¥49.8 -
我是一只骆驼
¥10.2¥32.0 -
捕梦网
¥17.1¥45.0 -
生活如此多娇(九品)
¥18.2¥48.0 -
世界文学名著典藏·全译本:白痴
¥17.9¥56.0 -
风筝--毛姆短篇小说集
¥14.7¥46.0 -
山月记
¥16.8¥39.0 -
雪国
¥16.8¥43.0 -
鼠疫
¥14.7¥38.8 -
姑妈的宝刀
¥9.6¥30.0 -
中国近代史
¥13.1¥39.8 -
经典常谈
¥4.4¥14.8 -
海底两万里
¥15.7¥49.0 -
偏见
¥16.8¥56.0 -
鸟与兽的通俗生活
¥12.7¥39.8