基本介紹
- 書名：基於社會化標註的個性化推薦算法研究
- 作者：魏建良
- ISBN：9787030608574
- 頁數：171
- 定價：90.00元
- 出版社：科學出版社
- 出版時間：2019年03月01日
- 裝幀：平裝
- 開本：B5
內容簡介,圖書目錄,
內容簡介
隨著信息社會與數字經濟時代的全面到來，越來越多的用戶成為網際網路信息內容的創造者，網路信息晚道跨過載也日益嚴重。在此條件下，如何有效地過濾與選擇信息成為時代性的采檔挑戰。標籤作為一種用戶視角的資源特徵表述方式，成為個性化信息推薦研究重要的數據來源。本書首先對標籤相關文獻進行了系統回顧，然後以標籤及社會化標註為切入點，套用派系聚類法和向量模型法，從用戶間協兆榜榆同、用戶多興趣兩個角度構建了若干個性化推薦算法。並在此基礎上，結合頁刪愉 Word Net 進一步提出了面向語義最佳化的改進推薦算法。實驗表明，本書所提出的算法具有更好的推薦效果。
圖書目錄
第一篇 基礎篇
第1章 緒論 3
1.1 研究背景及意義 3
1.2 社會化標註的相關理論 6
1.3 本書的內容安排 14
第2章 相關研究進展17
2.1 傳統的推薦技術 17
2.2 基於社會化標註的推薦 19
2.3 現有研究存在的不足 38
第二篇 基礎算法篇
第3章 基於社會化標註的用戶協同模型 43
3.1 用戶標註中的偏差行為 44
3.2 主流標籤的確定 54
3.3 用戶協同模型的建立 60
第4章 基於社會化標註的用戶多興趣模型組拳漏臘 64
4.1 用戶多興趣的驗證 65
4.2 聚類分析方法 68
4.3 聚類的實現 73
4.4 用戶多興趣模型的建立 83
第5章 基於用戶協同和多興趣模型的推薦算法88
5.1 基於社會化標註的資源模型 88
5.2 相關匹配算法 94
5.3 兩種模型下的推薦算法 97
第6章 基於社會化標註推薦的模擬實現與評價 103
6.1 基於社會化標註推薦的模擬實現 103
6.2 推薦算法的評估 111
第三篇 語義最佳化篇
第7章 基於多義標籤的推薦算法最佳化 115
7.1 標籤預處理 115
7.2 多義標籤識別 117
7.3 用戶模型標籤消歧 122
7.4 基於標籤消歧的推薦最佳化算法 124
第8章 基於同義標籤的推薦算法最佳化 127
8.1 WordNet 概述 128
槳煉汗 8.2 構建同義標籤集 129
8.3 資源模型的同義擴展 133
8.4 基於同義擴展的推薦算法最佳化 136
第9章 實驗結果與分析 139
9.1 算法實現 139
9.2 算法評價 142
第四篇 結論篇
第10章 結論與船朽記炒展望 152
10.1 主要結論 152
10.2 後續研究展望 154
參考文獻 156
第1章 緒論 3
1.1 研究背景及意義 3
1.2 社會化標註的相關理論 6
1.3 本書的內容安排 14
第2章 相關研究進展17
2.1 傳統的推薦技術 17
2.2 基於社會化標註的推薦 19
2.3 現有研究存在的不足 38
第二篇 基礎算法篇
第3章 基於社會化標註的用戶協同模型 43
3.1 用戶標註中的偏差行為 44
3.2 主流標籤的確定 54
3.3 用戶協同模型的建立 60
第4章 基於社會化標註的用戶多興趣模型組拳漏臘 64
4.1 用戶多興趣的驗證 65
4.2 聚類分析方法 68
4.3 聚類的實現 73
4.4 用戶多興趣模型的建立 83
第5章 基於用戶協同和多興趣模型的推薦算法88
5.1 基於社會化標註的資源模型 88
5.2 相關匹配算法 94
5.3 兩種模型下的推薦算法 97
第6章 基於社會化標註推薦的模擬實現與評價 103
6.1 基於社會化標註推薦的模擬實現 103
6.2 推薦算法的評估 111
第三篇 語義最佳化篇
第7章 基於多義標籤的推薦算法最佳化 115
7.1 標籤預處理 115
7.2 多義標籤識別 117
7.3 用戶模型標籤消歧 122
7.4 基於標籤消歧的推薦最佳化算法 124
第8章 基於同義標籤的推薦算法最佳化 127
8.1 WordNet 概述 128
槳煉汗 8.2 構建同義標籤集 129
8.3 資源模型的同義擴展 133
8.4 基於同義擴展的推薦算法最佳化 136
第9章 實驗結果與分析 139
9.1 算法實現 139
9.2 算法評價 142
第四篇 結論篇
第10章 結論與船朽記炒展望 152
10.1 主要結論 152
10.2 後續研究展望 154
參考文獻 156
