推薦系統(tǒng)關(guān)鍵技術(shù)的研究

定　價：￥59.80

作　者：	田保軍著
出版社：	中國水利水電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787517099390	出版時間：	2021-09-01	包裝：	平裝
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　信息化、智能化技術(shù)的快速發(fā)展引發(fā)了數(shù)據(jù)爆發(fā)式增長，大數(shù)據(jù)時代的到來也伴隨著信息過載問題的出現(xiàn)。推薦系統(tǒng)是解決信息過載問題的有效方法，作為現(xiàn)階段推薦算法當(dāng)中應(yīng)用為廣泛的個性化推薦算法之一，協(xié)同過濾推薦算法有著該領(lǐng)域內(nèi)其他推薦算法無法比擬的諸多優(yōu)點(diǎn)。但是在實際應(yīng)用場景中，協(xié)同過濾推薦算法仍然有較多問題亟須解決。針對協(xié)同過濾推薦算法面對的數(shù)據(jù)稀疏性問題，《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》分別采用數(shù)據(jù)填充方法、融合信任的概率矩陣分解模型、融合用戶評分信息和項目評論特征的深度學(xué)習(xí)模型進(jìn)行分析解決。針對協(xié)同過濾推薦算法面對的冷啟動問題，《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》分別采用K-means聚類算法與基于優(yōu)化的遺傳算法的K-means聚類混合算法進(jìn)行分析解決。針對協(xié)同過濾推薦算法面對的擴(kuò)展性問題，《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》采用基于Hadoop平臺MapReduce分布式計算、HDFS分布式存儲模型進(jìn)行算法并行化處理。同時，在真實的數(shù)據(jù)集上通過實驗驗證上述模型與算法的可行性與有效性。《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》共分為6章，包括推薦系統(tǒng)、數(shù)據(jù)填充方法、K-means聚類算法、基于混合算法的推薦系統(tǒng)、基于信任關(guān)系的推薦系統(tǒng)和融合多源數(shù)據(jù)的推薦系統(tǒng)?！锻扑]系統(tǒng)關(guān)鍵技術(shù)的研究》可作為推薦系統(tǒng)研究方向高年級本科生和研究生的教材，也可供相關(guān)領(lǐng)域的技術(shù)人員和科研工作者閱讀參考。

作者簡介

暫缺《推薦系統(tǒng)關(guān)鍵技術(shù)的研究》作者簡介

圖書目錄

前言
第1章推薦系統(tǒng)
1．1 什么是推薦系統(tǒng)
1．2 推薦系統(tǒng)的研究現(xiàn)狀
1．3 推薦系統(tǒng)的評測
第2章數(shù)據(jù)填充方法
2．1 協(xié)同過濾推薦算法概述
2．2 數(shù)據(jù)填充方法解決數(shù)據(jù)稀疏性問題
2．3 數(shù)據(jù)填充方法的并行化
2．4 實驗評測及分析
2．5 小結(jié)
第3章 K-means聚類算法
3．1 K-means聚類算法的簡介和特點(diǎn)
3．2 K-means聚類算法解決冷啟動問題
3．3 K-means聚類算法的并行化
3．4 實驗評測及分析
3．5 小結(jié)
第4章基于混合算法的推薦系統(tǒng)
4．1 遺傳算法
4．2 混合算法
4．3 混合算法解決冷啟動問題
4．4 混合算法的并行化
4．5 推薦算法的并行化
4．6 實驗評測及分析
4．7 小結(jié)
第5章基于信任關(guān)系的推薦系統(tǒng)
5．1 信任關(guān)系
5．2 融合信任關(guān)系的推薦模型
5．3 實驗評測及分析
5．4 小結(jié)
第6章融合多源數(shù)據(jù)的推薦系統(tǒng)
6．1 融合評論數(shù)據(jù)的推薦系統(tǒng)
6．2 融合評分與評論數(shù)據(jù)的推薦系統(tǒng)
6．3 實驗評測及分析
6．4 小結(jié)
參考文獻(xiàn)