《多Agent推薦系統及套用》主要將Agent技術套用於推薦系統，以改善現有的推薦方法，包括以下五個方面的內容。1.推薦系統及套用中相關理論分析；2.基於“效用”（Utility）理論的推薦方法研究；3.基於BDI Agent的協作推薦模型研究；4.基於遺傳算法的粗糙集屬性約簡研究；5.基於契約網的協作粒子群最佳化方法研究。 《多Agent推薦系統及套用》同時也探討了粗糙集理論及智慧型最佳化方法在其中綜合套用問題。
基本介紹
- 書名：多Agent推薦系統及套用
- 出版社：同濟大學出版社
- 頁數：118頁
- 開本：16
- 品牌：同濟大學出版社
- 作者：吳兵
- 出版日期：2014年7月1日
- 語種：簡體中文
- ISBN：9787560855455
內容簡介,圖書目錄,
內容簡介
《多Agent推薦系統及套用》適用於高校計算機專業的本科生及碩士生參考閱讀。
圖書目錄
1緒論
1.1研究背景及意義
1.1.1研究背景
1.1.2研究意義
1.2推薦系統概論
1.2.1推薦系統的概念
1.2.2推薦系統的研究內容
1.2.3推薦系統研究與套用現狀
1.2.4推薦系統面臨的問題
1.2.5智慧型Agent與推薦系統
1.3本書的主要工作
1.3.1研究的內容
1.3.2本書的結構
2相關技術研究
2.1推薦系統
2.1.1推薦系統的分類
2.1.2推薦系統的主要算法
2.1.3推薦方法的評價
2.2Agent技術
2.2.1Agent的概念及套用
2.2.2Agent的體系結構
2.2.3Agent通訊語言
2.2.4多Agent系統的概念
2.2.5多Agent系統的互動與協作
2.3粗糙集理論
2.3.1粗糙集理論概述
2.3.2粗糙集理論基本概念及定義
2.3.3粗糙集理論的主要工作
2.4智慧型最佳化概念及方法
2.4.1進化計算概述
2.4.2智慧型最佳化的基本方法
2.4.3最佳化算法的基本工作步驟
2.4.4基於Agent的智慧型最佳化技術
2.5本章小結
3基於粗糙集及多屬性效用的推薦研究
3.1引言
3.2現有推薦方法分析及問題提出
3.2.1現有推薦方法分析
3.2.2用戶偏好研究
3.2.3個性化效用推薦問題的提出
3.3多目標決策概述
3.3.1多目標決策概念
3.3.2多屬性效用理論
3.4TOPSIS方法
3.4.1TOPSIS方法概述
3.4.2TOPSIS數學模型
3.5基於粗糙集的屬性重要度識別
3.5.1粗糙集知識表達及基本概念
3.5.2屬性依賴度
3.5.3屬性重要度
3.5.4基於粗糙集的屬性權重識別算法
3.5.5屬性重要度權重算例分析
3.6基於粗糙集及多屬性效用推薦研究
3.6.1基於粗糙集及多屬性效用推薦工作方法
3.6.2基於粗糙集及多屬性效用的推薦流程
3.6.3基於粗糙集及多屬性效用的推薦系統框架
3.6.4基於可變精度粗糙集的用戶偏好識別
3.6.5基於用戶偏好的多屬性效用推薦算法
3.6.6基於用戶偏好的協同過濾推薦方法
3.6.7實驗及分析
3.7本章小結
4基於BDI Agent的協作推薦研究
4.1引言
4.2現有推薦方法分析
4.2.1現有推薦方法的不足與挑戰
4.2.2基於多Agent的推薦系統的優勢
4.3BDI模型及契約網概述
4.3.1BDI模型
4.3.2契約網
4.4基於BDI Agent協作推薦模型
4.4.1Agent的分工與職能
4.4.2基於協作推薦的改進契約網
4.4.3基於ACL的協作推薦契約網會話協定
4.4.4BDI Agent工作邏輯
4.4.5協作推薦結果的生成方法
4.4.6協作權重設定及更新
4.4.7協作推薦系統框架模型
4.4.8實驗及分析
4.5本章小結
5基於遺傳算法的粗糙集屬性約簡研究
5.1引言
5.2信息系統屬性約簡問題概述
5.3粗糙集理論屬性約簡問題分析
5.3.1粗糙集理論
5.3.2粗糙集屬性約簡方法分析
5.3.3粗糙集屬性約簡相關概念及定義
5.3.4粗糙集求屬性約簡方法
5.4遺傳算法分析
5.4.1遺傳算法概述
5.4.2遺傳算法相關概念及定義
5.4.3遺傳算法步驟
5.5基於遺傳算法的變精度粗糙集屬性約簡”
5.5.1關係模型及關係資料庫
5.5.2基於關係運算的可變精度粗糙集
5.5.3基於遺傳算法的可變精度粗糙集屬性約簡
5.5.4實驗及分析
5.6本章小結
6基於契約網模型的協作粒子群最佳化研究
6.1引言
6.2協作推薦的最佳化問題分析
6.3粒子群算法概述與分析
6.3.1粒子群算法概述
6.3.2粒子群算法相關定義及算法過程
6.3.3粒子群算法研究的現狀與不足
6.4多Agent系統的協作
6.4.1多Agent協作的概念與優點
6.4.2多Agent協作相關模型及相關研究
6.5基於契約網的協作粒子群最佳化模型
6.5.1基於契約網的協作粒子群最佳化模型概述
6.5.2 基於契約網的協作粒子群最佳化模型相關定義
6.5.3基於契約網的協作粒子群背包求解算法
6.5.4實驗及分析
6.6本章小結
7結論與展望
7.1本書總結
7.2進一步研究展望
參考文獻
1.1研究背景及意義
1.1.1研究背景
1.1.2研究意義
1.2推薦系統概論
1.2.1推薦系統的概念
1.2.2推薦系統的研究內容
1.2.3推薦系統研究與套用現狀
1.2.4推薦系統面臨的問題
1.2.5智慧型Agent與推薦系統
1.3本書的主要工作
1.3.1研究的內容
1.3.2本書的結構
2相關技術研究
2.1推薦系統
2.1.1推薦系統的分類
2.1.2推薦系統的主要算法
2.1.3推薦方法的評價
2.2Agent技術
2.2.1Agent的概念及套用
2.2.2Agent的體系結構
2.2.3Agent通訊語言
2.2.4多Agent系統的概念
2.2.5多Agent系統的互動與協作
2.3粗糙集理論
2.3.1粗糙集理論概述
2.3.2粗糙集理論基本概念及定義
2.3.3粗糙集理論的主要工作
2.4智慧型最佳化概念及方法
2.4.1進化計算概述
2.4.2智慧型最佳化的基本方法
2.4.3最佳化算法的基本工作步驟
2.4.4基於Agent的智慧型最佳化技術
2.5本章小結
3基於粗糙集及多屬性效用的推薦研究
3.1引言
3.2現有推薦方法分析及問題提出
3.2.1現有推薦方法分析
3.2.2用戶偏好研究
3.2.3個性化效用推薦問題的提出
3.3多目標決策概述
3.3.1多目標決策概念
3.3.2多屬性效用理論
3.4TOPSIS方法
3.4.1TOPSIS方法概述
3.4.2TOPSIS數學模型
3.5基於粗糙集的屬性重要度識別
3.5.1粗糙集知識表達及基本概念
3.5.2屬性依賴度
3.5.3屬性重要度
3.5.4基於粗糙集的屬性權重識別算法
3.5.5屬性重要度權重算例分析
3.6基於粗糙集及多屬性效用推薦研究
3.6.1基於粗糙集及多屬性效用推薦工作方法
3.6.2基於粗糙集及多屬性效用的推薦流程
3.6.3基於粗糙集及多屬性效用的推薦系統框架
3.6.4基於可變精度粗糙集的用戶偏好識別
3.6.5基於用戶偏好的多屬性效用推薦算法
3.6.6基於用戶偏好的協同過濾推薦方法
3.6.7實驗及分析
3.7本章小結
4基於BDI Agent的協作推薦研究
4.1引言
4.2現有推薦方法分析
4.2.1現有推薦方法的不足與挑戰
4.2.2基於多Agent的推薦系統的優勢
4.3BDI模型及契約網概述
4.3.1BDI模型
4.3.2契約網
4.4基於BDI Agent協作推薦模型
4.4.1Agent的分工與職能
4.4.2基於協作推薦的改進契約網
4.4.3基於ACL的協作推薦契約網會話協定
4.4.4BDI Agent工作邏輯
4.4.5協作推薦結果的生成方法
4.4.6協作權重設定及更新
4.4.7協作推薦系統框架模型
4.4.8實驗及分析
4.5本章小結
5基於遺傳算法的粗糙集屬性約簡研究
5.1引言
5.2信息系統屬性約簡問題概述
5.3粗糙集理論屬性約簡問題分析
5.3.1粗糙集理論
5.3.2粗糙集屬性約簡方法分析
5.3.3粗糙集屬性約簡相關概念及定義
5.3.4粗糙集求屬性約簡方法
5.4遺傳算法分析
5.4.1遺傳算法概述
5.4.2遺傳算法相關概念及定義
5.4.3遺傳算法步驟
5.5基於遺傳算法的變精度粗糙集屬性約簡”
5.5.1關係模型及關係資料庫
5.5.2基於關係運算的可變精度粗糙集
5.5.3基於遺傳算法的可變精度粗糙集屬性約簡
5.5.4實驗及分析
5.6本章小結
6基於契約網模型的協作粒子群最佳化研究
6.1引言
6.2協作推薦的最佳化問題分析
6.3粒子群算法概述與分析
6.3.1粒子群算法概述
6.3.2粒子群算法相關定義及算法過程
6.3.3粒子群算法研究的現狀與不足
6.4多Agent系統的協作
6.4.1多Agent協作的概念與優點
6.4.2多Agent協作相關模型及相關研究
6.5基於契約網的協作粒子群最佳化模型
6.5.1基於契約網的協作粒子群最佳化模型概述
6.5.2 基於契約網的協作粒子群最佳化模型相關定義
6.5.3基於契約網的協作粒子群背包求解算法
6.5.4實驗及分析
6.6本章小結
7結論與展望
7.1本書總結
7.2進一步研究展望
參考文獻
