基于機(jī)器學(xué)習(xí)的個(gè)性化推薦算法及應(yīng)用
定 價(jià):99.9 元
- 作者:劉超慧 李玲玲
- 出版時(shí)間:2024/7/1
- ISBN:9787115640871
- 出 版 社:人民郵電出版社
- 中圖法分類:TP181
- 頁(yè)碼:148
- 紙張:
- 版次:01
- 開本:小16開
個(gè)性化推薦作為一種重要的信息過(guò)濾技術(shù),廣泛應(yīng)用于電子商務(wù)、社交服務(wù)以及基于位
置的服務(wù)等領(lǐng)域,隨著數(shù)據(jù)量的爆炸式增長(zhǎng),原有的推薦算法存在執(zhí)行效率低和數(shù)據(jù)稀疏性等問(wèn)題。為了解決原有推薦算法存在的問(wèn)題,本書提出了3 種新的算法,分別是基于三維項(xiàng)集矩陣和向量的頻繁項(xiàng)集挖掘算法、融合懲罰因子和時(shí)間權(quán)重的協(xié)同過(guò)濾算法以及基于用戶屬性和項(xiàng)目評(píng)分的協(xié)同過(guò)濾算法,并介紹了一個(gè)個(gè)性化圖書推薦原型系統(tǒng)的構(gòu)建方案。
本書結(jié)構(gòu)清晰、文字流暢,適合對(duì)機(jī)器學(xué)習(xí)、個(gè)性化推薦感興趣的讀者閱讀。
提出如下3種算法:
① 基于三維項(xiàng)集矩陣和向量的頻繁項(xiàng)集挖掘算法。
② 融合懲罰因子和時(shí)間權(quán)重的協(xié)同過(guò)濾算法。
③ 基于用戶屬性和項(xiàng)目評(píng)分的協(xié)同過(guò)濾算法。
給出了一個(gè)圖書推薦原型系統(tǒng)的構(gòu)建方案。
劉超慧:鄭州航空工業(yè)管理學(xué)院智能工程學(xué)院創(chuàng)新實(shí)踐中心主任,主要研究方向?yàn)樾畔⑾到y(tǒng)開發(fā)、機(jī)器學(xué)習(xí)和資源推薦。從事《程序設(shè)計(jì)基礎(chǔ)》、《高級(jí)語(yǔ)言程序設(shè)計(jì)》、《Python語(yǔ)言程序設(shè)計(jì)》、《程序設(shè)計(jì)綜合實(shí)踐》等課程的教學(xué)工作。
李玲玲:教授,博士后,鄭州航空工業(yè)管理學(xué)院科技處處長(zhǎng),多模信息感知計(jì)算河南省工程實(shí)驗(yàn)室主任,河南省航空物流大數(shù)據(jù)應(yīng)用技術(shù)服務(wù)工程研究中心主任。
第 1章 概述
1.1 研究背景與意義
1.1.1 研究背景
1.1.2 研究意義
1.2 問(wèn)題與挑戰(zhàn)
1.2.1 信息過(guò)載
1.2.2 長(zhǎng)尾效應(yīng)
1.2.3 隱私保護(hù)
1.3 本書的組織架構(gòu)
第 2章 機(jī)器學(xué)習(xí)的相關(guān)理論
2.1 機(jī)器學(xué)習(xí)
2.1.1 機(jī)器學(xué)習(xí)的概念
2.1.2 機(jī)器學(xué)習(xí)的分類
2.1.3 機(jī)器學(xué)習(xí)的工作流程
2.2 推薦系統(tǒng)
2.2.1 推薦系統(tǒng)概述
2.2.2 推薦系統(tǒng)的形式化定義
2.3 用戶畫像
2.3.1 用戶畫像概述
2.3.2 用戶畫像信息來(lái)源
2.3.3 用戶畫像建模
2.4 人工神經(jīng)網(wǎng)絡(luò)
2.4.1 人工神經(jīng)網(wǎng)絡(luò)模型原理
2.4.2 典型的人工神經(jīng)網(wǎng)絡(luò)
2.5 小結(jié)
第3章 個(gè)性化推薦算法的相關(guān)理論
3.1 個(gè)性化推薦系統(tǒng)的應(yīng)用
3.1.1 電子商務(wù)
3.1.2 音/視頻服務(wù)
3.1.3 社交服務(wù)
3.1.4 基于位置的服務(wù)
3.1.5 旅行服務(wù)
3.2 推薦算法的分類
3.2.1 基于內(nèi)容的推薦
3.2.2 協(xié)同過(guò)濾推薦
3.2.3 基于知識(shí)的推薦
3.2.4 混合推薦
3.2.5 推薦算法比較
3.3 推薦系統(tǒng)評(píng)價(jià)
3.3.1 評(píng)價(jià)方法
3.3.2 準(zhǔn)確度指標(biāo)
3.3.3 多樣性指標(biāo)
3.4 推薦系統(tǒng)存在的問(wèn)題
3.4.1 數(shù)據(jù)稀疏性
3.4.2 冷啟動(dòng)
3.4.3 可擴(kuò)展性
3.4.4 用戶興趣漂移
3.5 小結(jié)
第4章 基于三維項(xiàng)集矩陣和向量的頻繁項(xiàng)集挖掘算法
4.1 概述
4.2 理論基礎(chǔ)
4.2.1 關(guān)聯(lián)規(guī)則挖掘理論
4.2.2 Apriori 算法
4.3 基于三維項(xiàng)集矩陣和向量的頻繁項(xiàng)集挖掘算法詳解
4.3.1 相關(guān)定義
4.3.2 算法說(shuō)明
4.3.3 基于三維項(xiàng)集矩陣和向量的更新策略
4.4 實(shí)驗(yàn)結(jié)果分析
4.4.1 實(shí)驗(yàn)數(shù)據(jù)集
4.4.2 結(jié)果分析
4.5 小結(jié)
第5章 融合懲罰因子和時(shí)間權(quán)重的協(xié)同過(guò)濾算法
5.1 概述
5.2 理論基礎(chǔ)
5.2.1 歐幾里得相似度
5.2.2 余弦相似度
5.2.3 修正余弦相似度
5.2.4 皮爾遜相似度
5.2.5 杰卡德相似度
5.2.6 組合KNN 推薦算法
5.3 融合懲罰因子和時(shí)間權(quán)重的協(xié)同過(guò)濾算法詳解
5.3.1 熱門物品與用戶評(píng)分習(xí)慣維度
5.3.2 用戶評(píng)分時(shí)間維度
5.3.3 改進(jìn)相似度及加權(quán)預(yù)測(cè)評(píng)分
5.3.4 算法說(shuō)明
5.4 實(shí)驗(yàn)結(jié)題與分析
5.4.1 實(shí)驗(yàn)數(shù)據(jù)集
5.4.2 結(jié)果分析
5.5 小結(jié)
第6章 基于用戶屬性和項(xiàng)目評(píng)分的協(xié)同過(guò)濾算法
6.1 概述
6.2 基于用戶屬性和項(xiàng)目評(píng)分的協(xié)同過(guò)濾算法詳解
6.2.1 相關(guān)概念
6.2.2 基于項(xiàng)目評(píng)分的相似度計(jì)算
6.2.3 基于用戶屬性的相似度計(jì)算
6.2.4 算法說(shuō)明
6.3 實(shí)驗(yàn)與結(jié)果分析
6.3.1 實(shí)驗(yàn)數(shù)據(jù)集
6.3.2 結(jié)果分析
6.4 小結(jié)
第7章 個(gè)性化圖書推薦原型系統(tǒng)
7.1 概述
7.2 系統(tǒng)設(shè)計(jì)
7.2.1 系統(tǒng)架構(gòu)設(shè)計(jì)
7.2.2 系統(tǒng)功能設(shè)計(jì)
7.2.3 數(shù)據(jù)庫(kù)設(shè)計(jì)
7.3 系統(tǒng)實(shí)現(xiàn)及關(guān)鍵技術(shù)
7.3.1 開發(fā)環(huán)境
7.3.2 系統(tǒng)流程
7.3.3 關(guān)鍵技術(shù)
7.4 系統(tǒng)使用說(shuō)明
7.4.1 熱門圖書模塊
7.4.2 圖書分類模塊
7.4.3 個(gè)性化圖書推薦模塊
7.4.4 圖書評(píng)價(jià)模塊
7.4.5 用戶評(píng)分歷史模塊
7.5 小結(jié)
第8章 總結(jié)與展望
8.1 研究總結(jié)
8.2 研究展望
參考文獻(xiàn)