推薦系統進展：方法與技術

內容簡介

本書梳理了推薦系統的知識體系及其現實挑戰，尤其是數據稀疏和冷啟動兩個重要問題，給出解決這些問題的思考方向和解決思路，從基礎的基於用戶與物品反饋的協同過濾，到基於上下文信息的情景感知模型，一步步深入剖析推薦系統模型的設計理念、建模方法和實驗評估等。同時，本書介紹了領先的開源推薦算法庫LibRec，能夠更好地幫助讀者了解推薦算法的實現原理和評估過程，快速試用和比較不同算法的推薦性能，也可方便讀者基於LibRec框架便捷地實現自己的研究算法。

本書適合推薦系統領域的研究人員和工程實現人員參考使用。

圖書目錄

第1章

推薦系統1

1.1推薦系統的簡介1

1.2推薦系統的挑戰4

1.2.1數據端的挑戰4

1.2.2模型端的挑戰6

1.2.3評估端的挑戰8

1.3LibRec開源庫11

1.3.1LibRec簡介11

1.3.2LibRec框架12

1.3.3LibRec安裝20

1.4協同過濾算法22

1.4.1基於記憶體的推薦算法23

1.4.2基於模型的推薦算法31

1.4.3推薦算法的測試評估37

參考文獻43

第2章

用戶反饋44

2.1傳統評分反饋44

2.1.1相似度測量44

2.1.2貝葉斯相似度47

2.1.3相似度分析53

2.1.4實驗評估56

2.2前置評分反饋68

2.2.1前置評分69

2.2.2用戶調查72

2.2.3PRCF模型79

2.2.4要點討論84

2.3異質隱式反饋84

2.3.1輔助反饋85

2.3.2BPRH模型86

2.3.3GcBPR模型93

2.3.4要點討論100

參考文獻101

第3章

社會化推薦系統103

3.1社會化推薦系統簡介103

3.1.1評分預測算法104

3.1.2物品推薦算法106

3.1.3遠景與挑戰107

3.2社交感知的最近鄰模型108

3.2.1Merge模型108

3.2.2案例與分析113

3.2.3實驗評估116

3.3多視圖聚類的推薦模型121

3.3.1多視圖聚類122

3.3.2SVR回歸預測127

3.3.3冷啟動用戶129

3.3.4實驗評估131

3.4社交增強的矩陣分解模型137

3.4.1信任分析137

3.4.2TrustSVD模型141

3.4.3FST模型150

參考文獻159

第4章

推薦系統進展：方法與技術

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條