售价: ¥39.20 (8折)
  • 定价: ¥49.00
图书满¥59免运费详情
加入Prime可免运费加入Prime可免运费
推荐系统实践 已加入购物车
亚马逊的其他卖家
加入购物车
¥37.73
+ 免配送费
卖家: 江苏凤凰新华书店集团有限公司
加入购物车
¥39.20
+ 免配送费
卖家: 博库网官方旗舰店
加入购物车
¥39.20
+ 免配送费
卖家: 辽宁出版集团图书专营店(开具公司发票请提供单位税号)
前翻 后翻
正在播放... 已暂停   您正在聆听的 Audible 音频版本的样品。
了解更多信息
查看全部 7 张图片

推荐系统实践 平装 – 2012年6月1日

平均 4.0 星 93 条商品评论
| 天天低价·正品质优
|
分享
| 自营
广告

显示所有 2 格式和版本 隐藏其他格式和版本
亚马逊价格
全新品最低价 非全新品最低价
平装
¥39.20
¥36.75
促销信息: 满减 中文图书全场满99元赠书 共1个促销

全新品13 售价从 ¥36.75
退换承诺: 此商品支持7天无理由退货 详情

click to open popover

商品促销和特殊优惠
  • 中文图书全场满99元赠书:
    已领优惠码

经常一起购买的商品

  • 推荐系统实践
  • +
  • 推荐系统
  • +
  • 集体智慧编程
总价: ¥142.60
共同购买所选商品

无需Kindle设备,下载免费Kindle阅读软件,即可在您的手机、电脑及平板电脑上畅享阅读。

  • iPhone/iPad/Mac
  • Android手机或平板电脑

请输入您的手机号码,获取Kindle阅读软件的下载链接。



基本信息

  • 出版社: 人民邮电出版社; 第1版 (2012年6月1日)
  • 丛书名: 图灵原创
  • 平装: 197页
  • 语种: 简体中文
  • 开本: 16
  • ISBN: 7115281580, 9787115281586
  • 条形码: 9787115281586
  • 商品尺寸: 23.2 x 18.6 x 1.2 cm
  • 商品重量: 422 g
  • 品牌: 人民邮电出版社
  • ASIN: B008AK5YJO
  • 用户评分: 平均 4.0 星 93 条商品评论
  • 亚马逊热销商品排名: 图书商品里排第28,328名 (查看图书商品销售排行榜)
  • 您想告诉我们您发现了更低的价格?

商品描述

编辑推荐

项亮等编著的《推荐系统实践》简介:随着信息技术和互联网的发展,人们逐渐从信息匮乏的时代走入了信息过载(information overload)的时代 。在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战:对于信息消费者,从大量信息中找到自己感兴趣的信息是一件非常困难的事情;对于信息生产者,让自己生产的信息脱颖而出,受到广大用户的关注,也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己有价值的信息,另一方面让信息能够展现在对它感兴趣的用户面前,从而实现信息消费者和信息生产者的双赢。

目录

目 录

第1章 好的推荐系统 1
1.1 什么是推荐系统 1
1.2 个性化推荐系统的应用 4
1.2.1 电子商务 4
1.2.2 电影和视频网站 8
1.2.3 个性化音乐网络电台 10
1.2.4 社交网络 12
1.2.5 个性化阅读 15
1.2.6 基于位置的服务 16
1.2.7 个性化邮件 17
1.2.8 个性化广告 18
1.3 推荐系统评测 19
1.3.1 推荐系统实验方法 20
1.3.2 评测指标 23
1.3.3 评测维度 34

第2章 利用用户行为数据 35
2.1 用户行为数据简介 36
2.2 用户行为分析 39
2.2.1 用户活跃度和物品流行度的分布 39
2.2.2 用户活跃度和物品流行度的关系 41
2.3 实验设计和算法评测 41
2.3.1 数据集 42
2.3.2 实验设计 42
2.3.3 评测指标 42
2.4 基于邻域的算法 44
2.4.1 基于用户的协同过滤算法 44
2.4.2 基于物品的协同过滤算法 51
2.4.3 UserCF和ItemCF的综合比较 59
2.5 隐语义模型 64
2.5.1 基础算法 64
2.5.2 基于LFM的实际系统的例子 70
2.5.3 LFM和基于邻域的方法的比较 72
2.6 基于图的模型 73
2.6.1 用户行为数据的二分图表示 73
2.6.2 基于图的推荐算法 73

第3章 推荐系统冷启动问题 78
3.1 冷启动问题简介 78
3.2 利用用户注册信息 79
3.3 选择合适的物品启动用户的兴趣 85
3.4 利用物品的内容信息 89
3.5 发挥专家的作用 94

第4章 利用用户标签数据 96
4.1 UGC标签系统的代表应用 97
4.1.1 Delicious 97
4.1.2 CiteULike 98
4.1.3 Last.fm 98
4.1.4 豆瓣 99
4.1.5 Hulu 99
4.2 标签系统中的推荐问题 100
4.2.1 用户为什么进行标注 100
4.2.2 用户如何打标签 101
4.2.3 用户打什么样的标签 102
4.3 基于标签的推荐系统 103
4.3.1 实验设置 104
4.3.2 一个最简单的算法 105
4.3.3 算法的改进 107
4.3.4 基于图的推荐算法 110
4.3.5 基于标签的推荐解释 112
4.4 给用户推荐标签 115
4.4.1 为什么要给用户推荐标签 115
4.4.2 如何给用户推荐标签 115
4.4.3 实验设置 116
4.4.4 基于图的标签推荐算法 119
4.5 扩展阅读 119

第5章 利用上下文信息 121
5.1 时间上下文信息 122
5.1.1 时间效应简介 122
5.1.2 时间效应举例 123
5.1.3 系统时间特性的分析 125
5.1.4 推荐系统的实时性 127
5.1.5 推荐算法的时间多样性 128
5.1.6 时间上下文推荐算法 130
5.1.7 时间段图模型 134
5.1.8 离线实验 136
5.2 地点上下文信息 139
5.3 扩展阅读 143

第6章 利用社交网络数据 144
6.1 获取社交网络数据的途径 144
6.1.1 电子邮件 145
6.1.2 用户注册信息 146
6.1.3 用户的位置数据 146
6.1.4 论坛和讨论组 146
6.1.5 即时聊天工具 147
6.1.6 社交网站 147
6.2 社交网络数据简介 148
   社交网络数据中的长尾分布 149
6.3 基于社交网络的推荐 150
6.3.1 基于邻域的社会化推荐算法 151
6.3.2 基于图的社会化推荐算法 152
6.3.3 实际系统中的社会化推荐算法 153
6.3.4 社会化推荐系统和协同过滤推荐系统 155
6.3.5 信息流推荐 156
6.4 给用户推荐好友 159
6.4.1 基于内容的匹配 161
6.4.2 基于共同兴趣的好友推荐 161
6.4.3 基于社交网络图的好友推荐 161
6.4.4 基于用户调查的好友推荐算法对比 164
6.5 扩展阅读 165

第7章 推荐系统实例 166
7.1 外围架构 166
7.2 推荐系统架构 167
7.3 推荐引擎的架构 171
7.3.1 生成用户特征向量 172
7.3.2 特征-物品相关推荐 173
7.3.3 过滤模块 174
7.3.4 排名模块 174
7.4 扩展阅读 178

第8章 评分预测问题 179
8.1 离线实验方法 180
8.2 评分预测算法 180
8.2.1 平均值 180
8.2.2 基于邻域的方法 184
8.2.3 隐语义模型与矩阵分解模型 186
8.2.4 加入时间信息 192
8.2.5 模型融合 193
8.2.6 Netflix Prize的相关实验结果 195

后记 196


看过此商品后顾客买的其它商品?


买家评论

热门买家评论

2013年12月3日
版本: 平装|已确认购买
0回应| 2 个人发现此评论有用. 这条评论对您有用吗? 报告滥用情况
2017年11月9日
版本: Kindle电子书|已确认购买
0回应|这条评论对您有用吗? 报告滥用情况
2016年9月16日
版本: 平装|已确认购买
0回应| 5 个人发现此评论有用. 这条评论对您有用吗? 报告滥用情况
2017年7月4日
版本: 平装|已确认购买
0回应| 2 个人发现此评论有用. 这条评论对您有用吗? 报告滥用情况
2012年7月6日
版本: 平装
0回应| 14 个人发现此评论有用. 这条评论对您有用吗? 报告滥用情况
2017年11月27日
版本: 平装
0回应|这条评论对您有用吗? 报告滥用情况
2017年6月24日
版本: Kindle电子书|已确认购买
0回应| 1 个人发现此评论有用. 这条评论对您有用吗? 报告滥用情况
2016年12月18日
版本: 平装
0回应| 1 个人发现此评论有用. 这条评论对您有用吗? 报告滥用情况

按发表时间排序