搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
推荐系统关键技术的研究
0.00     定价 ¥ 59.80
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购25本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787517099390
  • 作      者:
    作者:田保军|责编:石永峰
  • 出 版 社 :
    中国水利水电出版社
  • 出版日期:
    2021-09-01
收藏
畅销推荐
内容介绍
信息化、智能化技术的快速发展引发了数据爆发式增长,大数据时代的到来也伴随着“信息过载”问题的出系统是解决信息过载问题的有效方法,作为现算法当中应用很为广泛的个算法之一,协同算法有着该领域内算法无法比拟的诸多优点。但是在实际应用场景中,协同算法仍然有较多问题亟须解决。 针对协同算法面对的数据稀疏性问题,本专著分别采用数据填充方法、融合信任的概率矩阵分解模型、融合用户评分信息和项目评论特征的深度学习模行分析解决。针对协同算法面对的冷启动问题,本专著分别采用K-means聚类算法与基于优化的遗传算法的K-means聚类混合算行分析解决。针对协同算法面对的扩展性问题,本专著采用基于Hadoo台MapReduce分布式计算、HDFS分布式存储模行算法并行化处理。同时,在真实的数据集上通过实验验证上述模型与算法的可行性与有效性。 本专著共分为6章系统、数据填充方法、K-means聚类算法、基于混合算系统、基于信任关系统和融合多源数系统。 本专著可系统研究方向高年级本科生和研究生的教材,也可供相关领域的技术人员和科研工作者阅读参考。
展开
目录
前言
第1章 推荐系统
1.1 什么是推荐系统
1.1.1 推荐系统的定义
1.1.2 推荐系统的分类
1.1.3 推荐系统的过程
1.2 推荐系统的研究现状
1.3 推荐系统的评测
第2章 数据填充方法
2.1 协同过滤推荐算法概述
2.1.1 基于用户的协同过滤推荐算法
2.1.2 基于项目的协同过滤推荐算法
2.2 数据填充方法解决数据稀疏性问题
2.3 数据填充方法的并行化
2.3.1 算法并行化过程
2.3.2 算法并行化实现
2.4 实验评测及分析
2.4.1 实验平台
2.4.2 实验评测及分析方法
2.5 小结
第3章 K-means聚类算法
3.1 K-means聚类算法的简介和特点
3.1.1 K-means聚类算法简介
3.1.2 K-means聚类算法特点
3.2 K-means聚类算法解决冷启动问题
3.2.1 解决冷启动问题的思路
3.2.2 K-means聚类算法实现
3.2.3 数据预处理
3.2.4 解决新用户冷启动问题的过程
3.3 K-means聚类算法的并行化
3.4 实验评测及分析
3.4.1 实验平台
3.4.2 实验数据集
3.4.3 实验结果及分析
3.5 小结
第4章 基于混合算法的推荐系统
4.1 遗传算法
4.2 混合算法
4.3 混合算法解决冷启动问题
4.4 混合算法的并行化
4.4.1 聚类模型的并行化
4.4.2 新用户划分算法的并行化
4.5 推荐算法的并行化
4.6 实验评测及分析
4.6.1 实验平台
4.6.2 实验数据集
4.6.3 实验结果及分析
4.6.4 单机和Hado叩集群下的可扩展性实验
4.6.5 Hadoop集群加速比实验
4.7 小结
第5章 基于信任关系的推荐系统
5.1 信任关系
5.1.1 信任的定义
5.1.2 信任关系的特征
5.1.3 信任关系的优点
5.1.4 信任的度量方法
5.2 融合信任关系的推荐模型
5.2.1 计算信任关系
5.2.2 计算用户间相似性
5.2.3 融合信任的概率矩阵分解模型
5.3 实验评测及分析
5.3.1 实验平台
5.3.2 实验数据集
5.3.3 实验结果及分析
5.4 小结
3.4 实验评测及分析
3.4.1 实验平台
3.4.2 实验数据集
3.4.3 实验结果及分析
3.5 小结
第4章 基于混合算法的推荐系统
4.1 遗传算法
4.2 混合算法
4.3 混合算法解决冷启动问题
4.4 混合算法的并行化
4.4.1 聚类模型的并行化
4.4.2 新用户划分算法的并行化
4.5 推荐算法的并行化
4.6 实验评测及分析
4.6.1 实验平台
4.6.2 实验数据集
4.6.3 实验结果及分析
4.6.4 单机和Hado叩集群下的可扩展性实验
4.6.5 Hadoop集群加速比实验
4.7 小结
第5章 基于信任关系的推荐系统
5.1 信任关系
5.1.1 信任的定义
5.1.2 信任关系的特征
5.1 -3信任关系的优点
5.1.4 信任的度量方法
5.2 融合信任关系的推荐模型
5.2.1 计算信任关系
5.2.2 计算用户间相似性
5.2.3 融合信任的概率矩阵分解模型
5.3 实验评测及分析
5.3.1 实验平台
5.3.2 实验数据集
5.3.3 实验结果及分析
5.4 小结
第6章 融合多源数据的推荐系统
6.1 融合评论数据的推荐系统
6.1.1 项目文本的主题建模
6.1.2 项目丈本的卷积神经网络建模
6.3 基于项目评论特征构建推荐系统
6.2 融合评分与评论数据的推荐系统
6.2.1 栈式降噪自编码器
6.2.2 构建SLCPMF模型
6.3 实验评测及分析
6.3.1 实验平台
6.3.2 实验数据集
6.3.3 实验结果分析
6.4 小结
参考文献
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证