了得網計算機/網絡_推薦繫統：技術、評估及高效算法（原書第2版）

內容簡介

本書由五部分組成：推薦繫統的技術、評估、應用、人機交互及高級話題。第一部分展示了如今構建推薦繫統的流行和基礎的技術，如協同過濾、基於語義的方法、數據挖掘方法和基於情境感知的方法。第二部分主要關注離線和真實用戶環境下用於評估推薦質量的技術及方法。第三部分包括了一些推薦技術多樣性的應用。首先簡述了與工業實現和推薦繫統開發相關的一般性問題，隨後詳細介紹了推薦繫統在各領域中的應用：音樂、學習、移動、社交網絡及它們之間的交互。第四部分包含了探討一繫列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦繫統相關的重要問題。第五部分收集了一些關於高級話題的文章，例如利用主動學習技術來引導新知識的學習，構建能夠抵擋惡意用戶攻擊的健壯推薦繫統的合適技術，以及結合多種用戶反饋和偏好來生成更加可靠的推薦繫統。

作者簡介

弗朗西斯科·裡奇（Francesco Ricci），意大利博爾扎諾自由大學計算機科學副教授。目前他的研究興趣包括推薦繫統、智能接口、移動繫統、機器學習、案例推理、信息和通信技術在旅遊中的應用。他是《Journal of Information Technology and Tourism》雜志的編委，還是ACM和IEEE會員。他還是ACM會議推薦繫統分會的指導委員會成員。

利奧·羅卡奇（Lior Rokach），以色列本-古裡安大學信息繫統工程繫助理教授。他是智能信息繫統方面公認的專家，在這一領域處於領先地位。他的主要研究領域包括數據挖掘、模式識別和推薦繫統。他的70篇論文被主流期刊、會議和書籍等引用。

布拉哈·夏皮拉（Bracha Shapira），以色列本-古裡安大學信息繫統工程繫助理教授。目前她的研究興趣包括推薦繫統、信息檢索、個性化、用戶建模和社交網絡。她是本-古裡安大學德國電信實驗室研究項目負責人，並且還是ACM和IEEE會員。

目錄
Recommender Systems Handbook,Second Edition

出版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡介
第1章推薦繫統：簡介和挑戰1
1.1簡介1
1.2推薦繫統的功能3
1.3數據和知識來源5目錄
Recommender Systems Handbook,Second Edition

出版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡介
第1章推薦繫統：簡介和挑戰1
1.1簡介1
1.2推薦繫統的功能3
1.3數據和知識來源5
1.4推薦技術7
1.5推薦繫統評估10
1.6推薦繫統應用11
1.7推薦繫統與人機交互13
1.8高級話題14
1.9挑戰16
1.9.1偏好獲取與分析16
1.9.2交互17
1.9.3新的推薦任務18
參考文獻19
部分推薦繫統技術
第2章基於鄰域的推薦方法綜述24
2.1簡介24
2.1.1基於鄰域方法的優勢25
2.1.2目標和概要26
2.2問題定義和符號26
2.3基於鄰域的推薦27
2.3.1基於用戶的評分預測28
2.3.2基於用戶的分類預測方法28
2.3.3回歸與分類29
2.3.4基於物品的推薦29
2.3.5基於用戶和基於物品的推薦方法的比較30
2.4基於鄰域方法的要素31
2.4.1評分標準化31
2.4.2相似度權重的計算33
2.4.3鄰域的選擇37
2.5高級進階技術37
2.5.1基於圖的方法38
2.5.2基於學習的方法40
2.6總結44
參考文獻44
第3章協同過濾方法進階48
3.1簡介48
3.2預備知識49
3.2.1基準預測49
3.2.2Netflix數據50
3.2.3隱式反饋51
3.3矩陣分解模型51
3.3.1SVD52
3.3.2SVD++53
3.3.3時間敏感的因子模型54
3.3.4比較57
3.3.5小結58
3.4基於鄰域的模型59
3.4.1相似度度量59
3.4.2基於相似度的插值60
3.4.3聯合派生插值權重61
3.4.4小結63
3.5增強的基於鄰域的模型63
3.5.1全局化的鄰域模型64
3.5.2因式分解的鄰域模型67
3.5.3基於鄰域模型的動態時序71
3.5.4小結72
3.6基於鄰域的模型和因子分解模型的比較73
參考文獻75
第4章基於內容的語義感知推薦繫統77
4.1簡介77
4.2基於內容的推薦繫統概述77
4.2.1基於關鍵詞的向量空間模型79
4.2.2用戶特征學習的方法80
4.2.3基於內容過濾的優缺點81
4.3自上而下的語義方法82
4.3.1基於本體資源的方法83
4.3.2基於非結構化或半結構化百科知識的方法84
4.3.3基於關聯開放數據的方法86
4.4自下而上的語義方法90
4.4.1基於判別式模型的方法90
4.5方法比較與小結94
4.6總結與未來挑戰95
致謝96
參考文獻96
第5章基於約束的推薦繫統103
5.1簡介103
5.2推薦知識庫的開發105
5.3推薦過程中的用戶導向作用108
5.4計算推薦結果113
5.5實際應用的經驗114
5.6未來的研究方法116
5.7總結118
參考文獻118
第6章情境感知推薦繫統123
6.1簡介和動機123
6.2推薦繫統中的情境124
6.2.1什麼是情境124
6.2.2推薦繫統中模型化情境信息的表征性方法125
6.2.3推薦繫統中主要的情境信息建模方法127
6.2.4獲取情境信息130
6.3結合具有代表性情境的推薦繫統範式131
6.3.1情境預過濾133
6.3.2情境後過濾136
6.3.3情境建模137
6.4討論和總結138
致謝140
參考文獻140
第7章推薦繫統中的數據挖掘方法145
7.1簡介145
7.2數據預處理146
7.2.1相似度度量方法146
7.2.2抽樣147
7.2.3降維148
7.2.4去噪150
7.3監督學習150
7.3.1分類150
7.3.2分類器的集成157
7.3.3評估分類器157
7.4無監督學習159
7.4.1聚類分析159
7.4.2關聯規則挖掘161
7.5總結162
參考文獻163
第二部分推薦繫統評估
第8章推薦繫統的評估170
8.1簡介170
8.2實驗設置171
8.2.1離線實驗172
8.2.2用戶調查173
8.2.3在線評估175
8.2.4得出可靠結論176
8.3推薦繫統屬性178
8.3.1用戶偏好179
8.3.2預測精度179
8.3.3覆蓋率186
8.3.4置信度187
8.3.5信任度188
8.3.6新穎性188
8.3.7驚喜度189
8.3.8多樣性190
8.3.9效用191
8.3.10風險191
8.3.11健壯性192
8.3.12隱私192
8.3.13適應性193
8.3.14可擴展性193
8.4結論193
參考文獻194
第9章使用用戶實驗評估推薦繫統198
9.1簡介198
9.2理論基礎與現有工作199
9.2.1理論基礎：Knijnenburg等人提出的評估框架199
9.2.2現有以用戶為中心的研究概覽以及有前景的方向201
9.3實踐指南203
9.3.1研究模型203
9.3.2參與者206
9.3.3實驗操控207
9.3.4測量209
9.3.5統計評估214
9.4結論219
參考文獻221
第10章對推薦結果的解釋：設計和評估228
10.1簡介228
10.2推薦設計的呈現和交互229
10.2.1推薦呈現229

前言

前言Recommender Systems Handbook,Second Edition推薦繫統是為用戶推薦所需物品的軟件工具和技術。提供的推薦旨在通過各種決策過程來支持用戶，例如，買什麼物品、聽什麼歌曲或讀什麼新聞。推薦繫統的價值在於幫助用戶解決信息過載和做出更好的選擇，也是現在互聯網領域強大和流行的信息發現工具之一。因此，人們提出了各式各樣的推薦技術，並在過去的10年中將其中很多方法成功地運用在商業環境。
推薦繫統的發展需要多學科的支持，涉及來自各個領域的專家知識，如人工智能、人機交互、數據挖掘、統計學、決策支持繫統、市場營銷和消費者行為學等。
本書第1版在四年前出版，並受到了推薦繫統社區的一致好評。伴隨著推薦繫統研究的日新月異，這些好評激勵我們來更新本書。本書第2版重新整理了第1版中各章節的內容並在相應章節融入了該領域的新進展。本書基於第1版做了較大修訂；大約有一半的章節是新增的，並且保留的章節相比第1版也做了相應更新。
盡管第2版發生了較大修訂，但本書的目標始終不渝。本書呈現了基礎知識和更高級的話題兩方面，通過展示推薦繫統的主要概念、理論、方法論、趨勢、挑戰和應用等連貫而又統一的知識體繫，幫助讀者從差異中梳理出頭緒。這是目前一本全面闡述推薦繫統的書，完全涵蓋推薦繫統主要技術的多個方面。本書中的豐富信息和實踐內容為研究人員、學生和行業中的實踐者提供了一個有關推薦繫統的全面且簡潔方便的參考源。前言Recommender Systems Handbook,Second Edition推薦繫統是為用戶推薦所需物品的軟件工具和技術。提供的推薦旨在通過各種決策過程來支持用戶，例如，買什麼物品、聽什麼歌曲或讀什麼新聞。推薦繫統的價值在於幫助用戶解決信息過載和做出更好的選擇，也是現在互聯網領域強大和流行的信息發現工具之一。因此，人們提出了各式各樣的推薦技術，並在過去的10年中將其中很多方法成功地運用在商業環境。
推薦繫統的發展需要多學科的支持，涉及來自各個領域的專家知識，如人工智能、人機交互、數據挖掘、統計學、決策支持繫統、市場營銷和消費者行為學等。
本書第1版在四年前出版，並受到了推薦繫統社區的一致好評。伴隨著推薦繫統研究的日新月異，這些好評激勵我們來更新本書。本書第2版重新整理了第1版中各章節的內容並在相應章節融入了該領域的新進展。本書基於第1版做了較大修訂；大約有一半的章節是新增的，並且保留的章節相比第1版也做了相應更新。
盡管第2版發生了較大修訂，但本書的目標始終不渝。本書呈現了基礎知識和更高級的話題兩方面，通過展示推薦繫統的主要概念、理論、方法論、趨勢、挑戰和應用等連貫而又統一的知識體繫，幫助讀者從差異中梳理出頭緒。這是目前一本全面闡述推薦繫統的書，完全涵蓋推薦繫統主要技術的多個方面。本書中的豐富信息和實踐內容為研究人員、學生和行業中的實踐者提供了一個有關推薦繫統的全面且簡潔方便的參考源。
本書不僅詳細地介紹了推薦繫統研究的經典方法，同時也介紹了近發表的新方法及其擴展。本書由五部分組成：推薦繫統的技術、評估、應用、人機交互及高級話題。部分展示了如今構建推薦繫統的流行和基礎的技術，如協同過濾、基於語義的方法、數據挖掘方法和基於情境感知的方法。第二部分主要關注離線和真實用戶環境下用於評估推薦質量的技術及方法。第三部分包括一些推薦技術多樣性的應用，首先簡述與工業實現和推薦繫統開發相關的一般性問題，隨後詳細介紹推薦繫統在各領域中的應用：音樂、學習、移動、社交網絡及它們之間的交互。第四部分包含探討一繫列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦繫統相關的重要問題。第五部分收集了一些關於高級話題的文章，例如，利用主動學習技術來引導新知識的學習，構建能夠抵擋惡意用戶攻擊的健壯推薦繫統的合適技術，以及結合多種用戶反饋和偏好來生成更加可靠的推薦繫統。
我們要感謝所有為本書做出貢獻的作者。感謝所有審閱人員提出的慷慨意見及建議。特別感謝Susan Lagerstrom-Fife和Springer的成員，感謝他們在寫這本書過程中的合作。後我們希望這本書有助於這一學科的發展，為新手提供一個卓有成效的學習方案，能夠激起更多專業人士有興趣參與本書所討論的主題，使這個具有挑戰性的領域能夠碩果累累，長足發展。
Francesco RicciLior RokachBracha Shapira

商品搜索

商品分类

【醫學】

【各大出版社】