- 依內容分級制度，未登入僅能顯示普遍級內容，登入後即可觀看全站內容。
- 馬上登入
關注
關注作者、出版社、系列，新刊上架可獲得通知！
放大
.concat(' ')
.concat(encodeURIComponent(location.href)) .concat('(')
.concat(encodeURIComponent(document.title)) .concat(')'),'_blank','toolbar=yes,scrollbars=yes,resizable=yes,top=180,left=450,width=850,height=650'));)
內容簡介
機器學習算法實踐：推薦系統的協同過濾理論及其應用
推薦系統──
採集使用者歷史行為資訊並結合具體推薦，
幫助使用者選擇商品以及提供建議的過程。
◎什麼是協同過濾推薦算法？
協同過濾推薦算法是利用使用者與項目評分矩陣中的已知元素來預測未知元素的評分值並將預測評分高的項目推薦給使用者。
◎什麼是使用者興趣漂移？
由於傳統的協同過濾算法忽略了隨著時間變化而使用者的興趣也在不斷發生變化這一問題，即存在使用者興趣漂移現象。
◎什麼是巴氏係數？
是對兩個統計樣本的重疊的近似計算，可用來對兩組樣本的相關性進行測量，已廣泛應用於訊號處理、模式識別研究領域。
▎第一篇（第1章）
討論了推薦算法的分類、各類算法的基本思想和改進策略，闡述推薦算法存在的問題、實驗方法和評測指標。
▎第二篇（第2章和第3章）
本篇針對基於時序的協同過濾推薦算法展開研究。
▎第三篇（第4章至第11章）
針對SVD、機率矩陣分解、非負矩陣分解及其與相關算法的整合提出理論。
▎第四篇（第12章和第13章）
圍繞協同過濾推薦算法與社群網路的信任展開研究，將使用者的評分資訊和使用者的社群網路資訊融入傳統的矩陣分解中以提高推薦品質。
▎第五篇（第14章）
從實際應用的角度用Spark實現一個基於
採集使用者歷史行為資訊並結合具體推薦，
幫助使用者選擇商品以及提供建議的過程。
◎什麼是協同過濾推薦算法？
協同過濾推薦算法是利用使用者與項目評分矩陣中的已知元素來預測未知元素的評分值並將預測評分高的項目推薦給使用者。
◎什麼是使用者興趣漂移？
由於傳統的協同過濾算法忽略了隨著時間變化而使用者的興趣也在不斷發生變化這一問題，即存在使用者興趣漂移現象。
◎什麼是巴氏係數？
是對兩個統計樣本的重疊的近似計算，可用來對兩組樣本的相關性進行測量，已廣泛應用於訊號處理、模式識別研究領域。
▎第一篇（第1章）
討論了推薦算法的分類、各類算法的基本思想和改進策略，闡述推薦算法存在的問題、實驗方法和評測指標。
▎第二篇（第2章和第3章）
本篇針對基於時序的協同過濾推薦算法展開研究。
▎第三篇（第4章至第11章）
針對SVD、機率矩陣分解、非負矩陣分解及其與相關算法的整合提出理論。
▎第四篇（第12章和第13章）
圍繞協同過濾推薦算法與社群網路的信任展開研究，將使用者的評分資訊和使用者的社群網路資訊融入傳統的矩陣分解中以提高推薦品質。
▎第五篇（第14章）
從實際應用的角度用Spark實現一個基於
作者簡介
王建芳
王建芳，研究方向包括推薦系統、深度學習、人工智慧及智慧計算算法。申請國家發明專利3項、新型實用專利3項。在海內外重要期刊及國際會議上發表學術論文30餘篇。出版教材及專著3部。
相關推薦書刊
買此商品的人也買了...
購買前的注意事項
- 本書城的商品為電子書及電子雜誌，並非紙本書。讀者可透過電腦裝置網頁瀏覽，或使用 iPhone、iPad、Android 手機或平板電腦下載閱讀。
- 如有下載閱讀需求，為避免裝置版本無法適用，建議於購書前，先確認您的裝置可下載BOOK☆WALKER的APP，並可先下載免費電子書，確認可順利使用後再行購書。
- 由於數位智慧財產權之特性，所販售之電子書刊經購買後，除內容有瑕疵或錯誤者外，不得要求退貨及退款。如有特殊情形，請洽敝公司客服人員，我們將盡速為您處理。
