《基於鏈路預測的推薦系統：原理、模型與算法》是2018年9月北京郵電大學出版社出版的圖書，作者是朱旭振。
基本介紹
- 中文名：基於鏈路預測的推薦系統：原理、模型與算法
- 作者：朱旭振
- 出版社：北京郵電大學出版社
- 出版時間：2018年9月1日
- 頁數：189 頁
- 定價：38 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787563554867
內容簡介,圖書目錄,
內容簡介
《基於鏈路預測的推薦系統：原理、模型與算法/“十三五”科學技術專著叢書》主要面向廣大的推薦算法研究者，希望能通過《基於鏈路預測的推薦系統：原理、模型與算法/“十三五”科學技術專著叢書》的介紹，幫助更多研究者步入推薦算法的研究之門。《基於鏈路預測的推薦系統：原理、模型與算法/“十三五”科學技術專著叢書》分為4部分：第1部分介紹複雜網路的基礎知識以及網路分析軟體Pajek的基本使用方法；第2部分介紹複雜網路上鏈路預測研究的一般方法、實驗數據和性能指標，並給出筆者的幾個研究實例；第3部分介紹基於鏈路預測的推薦算法研究，將一般網路上的鏈路預測研究思路擴展到二部圖網路，基於物質擴散理論實現推薦系統建模，同時給出了筆者的幾個研究實例；第4部分對《基於鏈路預測的推薦系統：原理、模型與算法/“十三五”科學技術專著叢書》進行總結，並對未來可能的研究方向進行展望。
《基於鏈路預測的推薦系統：原理、模型與算法/“十三五”科學技術專著叢書》不僅講解了整體思路、單個問題的建模方法以及實驗方法，還介紹了推薦系統建模的研究過程，拋磚引玉，注重引導新手入門。《基於鏈路預測的推薦系統：原理、模型與算法/“十三五”科學技術專著叢書》同時給出了大量實驗數據、編程方法以及重要模組的代碼，以期能鋪石引路，以饗讀者。
圖書目錄
第1部分 基礎知識
第1章 緒論
1．1 研究背景
1．1．1 推薦系統的發展現狀及特徵分析
1．1．2 推薦系統的國內外研究現狀
1．2 相關理論基礎
1．2．1 複雜網路理論基礎
1．2．2 鏈路預測理論
1．2．3 基於鏈路預測的協同推薦理論
1．3 複雜網路下基於鏈路預測推薦所面臨的問題及研究意義
1．3．1 面臨的問題
1．3．2 研究意義
1．4 研究思路
1．5 本書的主要內容
本章參考文獻
第2部分 複雜網路上的鏈路預測方法
第2章 網路分析軟體Pajek
2．1 Pajek軟體介紹
2．1．1 高速計算
2．1．2 可視化
2．1．3 抽象化
2．2 Pajek軟體使用基礎
2．3 Pajek軟體分析網路屬性
2．3．1 度的計算
2．3．2 兩點間的距離
2．3．3 k近鄰
2．3．4 聚類係數
2．4 Pajek軟體抽取極大連通子圖
2．5 Pajek軟體網路畫圖
2．5．1 繪製複雜網路圖
2．5．2 繪製不同類節點的複雜網路圖
2．5．3 繪製不同大小節點的複雜網路圖
2．5．4 繪製不同權值邊的複雜網路圖
2．6 網路檔案．簡介
2．6．1 Pajek網路檔案的一般結構
2．6．2 具體參數的意義和取值
2．6．3 檔案舉例
2．7 本章小結
本章參考文獻
第3章 基於相似性的鏈路預測研究
3．1 鏈路預測的研究方法
3．2 鏈路預測的典型研究成果
3．3 鏈路預測的實驗數據
3．4 鏈路預測的實驗方法
3．4．1 數據集劃分方法
3．4．2 鏈路預測的度量指標
3．5 鏈路預測重要代碼講解
3．5．1 數據集劃分代碼講解
3．5．2 關鍵測試指標代碼講解
3．6 基於拓撲相似性鏈路預測的思考
3．7 本章小結
本章參考文獻
第4章 基於弱關係的鏈路預測算法
4．1 研究背景
4．2 問題描述
4．3 基於弱關係的最佳化鏈路預測模型
4．3．1 算法、AA算法和RA算法介紹
4．3．2 改進最佳化算法模型
4．4 實驗結果與分析
4．4．1 數據集
4．4．2 度量指標
4．4．3 結果與分析
4．5 本章小結
4．6 研究思考
本章參考文獻
第5章 基於路徑異構性的鏈路預測算法
5．1 研究背景
5．2 問題描述
5．3 基於路徑異構性的鏈路預測建模
5．3．1 SP模型
5．3．2 對比算法
5．4 實驗結果與分析
5．4．1 數據集
5．4．2 評估準則
5．4．3 結果與分析
5．5 本章小結
5．6 研究思考
本章參考文獻
第6章 基於端點影響力的鏈路預測算法
6．1 研究背景
6．2 問題描述
6．3 基於端點影響力建立鏈路預測模型
6．3．1 EP模型
6．3．2 對比算法
6．4 實驗結果與分析
6．4．1 數據集
6．4．2 評估準則
6．4．3 結果與分析
6．5 本章小結
6．6 研究思考
本章參考文獻
第3部分 基於鏈路預測的推薦算法研究
第7章 推薦模型的研究方法
7．1 推薦模型常見研究方法
7．2 基於鏈路預測的推薦模型研究方法
7．3 推薦技術的典型研究成果
7．4 推薦技術的研究數據介紹
7．5 推薦實驗方法
7．5．1 數據集劃分方法
7．5．2 推薦算法的度量指標
7．6 推薦算法重要代碼講解
7．6．1 數據集劃分代碼講解
7．6．2 推薦算法關鍵指標代碼講解
7．7 基於二部圖推薦算法的研究思路
7．8 本章小結
本章參考文獻
第8章 基於修正相似性的協作推薦算法
8．1 研究背景
8．2 問題描述
8．3 基於修正相似性的推薦算法CSI
8．3．1 基於二部圖網路的經典相似性算法
8．3．2 相似性修正模型CSI
8．3．3 對比算法
8．4 實驗結果與分析
8．4．1 數據集
8．4．2 評價準則
8．4．3 結果與分析
8．5 本章小結
8．6 研究思考
本章參考文獻
第9章 基於一致性的協作推薦算法
9．1 研究背景
9．2 問題描述
9．3 基於一致性的推薦算法CBI
9．3．1 基於網路的因果性推薦算法NBI
9．3．2 基於一致性的推薦算法CBI和UCBI
9．3．3 對比算法
9．4 實驗結果與分析
9．4．1 數據集
9．4．2 評價準則
9．4．3 結果與分析
9．5 本章小結
9．6 研究思考
本章參考文獻
第10章 基於一致性冗餘刪除的協作推薦算法
10．1 研究背景
10．2 問題描述
10．3 修正冗餘刪除推薦算法
10．3．1 相似性估計偏差現象
10．3．2 相似性冗餘問題
10．3．3 修正冗餘刪除相似性指標CRE
10．3．4 對比算法
10．4 實驗結果與分析
10．4．1 數據集
10．4．2 評價準則
10．4．3 結果與分析
10．5 本章小結
10．6 研究思考
本章參考文獻
第11章 一致性下基於懲罰過度擴散的推薦算法
11．1 研究背景
11．2 問題描述
11．3 對稱和過度擴散懲罰算法模型
11．3．1 非對稱擴散問題
11．3．2 擴散冗餘問題
11．3．3 基於對稱的過度擴散懲罰模型
11．3．4 對比算法
11．4 實驗結果與分析
11．4．1 數據集
11．4．2 評價準則
11．4．3 結果與分析
11．5 本章小結
11．6 研究思考
本章參考文獻
第4部分 總結與未來展望
第12章 總結和展望
12．1 總結
12．2 未來研究展望
