![](/c49/30/1029574638.jpg)
出版社:人民郵電 ISBN:9787115310699 商品編碼:1029574638 開本:16 出版時間:2013-07-01 代碼:59 作者:詹尼士,譯者:蔣凡
" 基本信息 - 商品名稱:推薦繫統/圖靈程序設計叢書
- 作者:(奧地利)詹尼士|譯者:蔣凡
- 代碼:59
- 出版社:人民郵電
- ISBN號:9787115310699
其他參考信息 - 出版時間:2013-07-01
- 印刷時間:2013-07-01
- 版次:1
- 印次:1
- 開本:16開
- 包裝:平裝
- 頁數:225
- 字數:361千字
編輯推薦語 詹尼士所著的《推薦繫統》這是一本全面介紹推薦繫統概念、源流、算法的專業著作,體繫完整,貼近實用,結合很多實例告訴你如何盡快地將推薦繫統領域裡的成熟算法運用起來構建應用。**的推薦繫統MovieLens的創始人Joseph A.Konstan教授還特地為本書撰寫了序。因此這本書非常適合剛剛進入推薦繫統領域,希望了解一些成熟算法,解決實際問題的工程師學習使用。 本書*有價值的第二部分介紹了推薦繫統在防攻擊、消費決策、社交網絡和移動四個前沿領域的研究進展,收錄了很多已經在實際商業產品中經過反復驗證的套路和經驗。本書取之有據,言之成理,非常適合希望能在國內各類推薦應用中少走彎路,盡快發揮推薦繫統作用的產品負責人參考。 內容提要 詹尼士所著的《推薦繫統》全面闡述了開發*先 進推薦繫統的方法,其中呈現了許多經典算法,並討 論了如何衡量推薦繫統的有效性。書中內容分為基本 概念和*新進展兩部分:前者涉及協同推薦、基於內 容的推薦、基於知識的推薦、混合推薦方法,推薦繫 統的解釋、評估推薦繫統和實例分析;後者包括針對 推薦繫統的攻擊、在線消費決策、推薦繫統和下一代 互聯網以及普適環境中的推薦。此外,《推薦繫統》 還包含大量的圖、表和示例,有助於讀者理解和把握 相關知識。 《推薦繫統》適用於從事搜索引擎、推薦算法、 數據挖掘等研發工作的專業人員以及對推薦繫統感興 趣的讀者。 作者簡介 Dietmar Jannach是德國的多特蒙德工業大學(Technische Universit?t Dortmund)計算機科學繫客座教授。他發表過一百多篇科學論文,是《應用智能》雜志編委會和《國際電子商務雜志》評審委員會成員。 目錄 **章 引言 1 1.1 **部分:基本概念 2 1.1.1 協同過濾推薦 2 1.1.2 基於內容的推薦 2 1.1.3 基於知識的推薦 3 1.1.4 混合推薦方法 4 1.1.5 推薦繫統的解釋 4 1.1.6 評估推薦繫統 4 1.1.7 案例研究 5 1.2 第二部分:*新進展 5 **部分 基本概念 第2章 協同過濾推薦 8 2.1 基於用戶的*近鄰推薦 8 2.1.1 **個例子 8 2.1.2 *好的相似度和賦權體繫 10 2.1.3 選擇近鄰 11 2.2 基於物品的*近鄰推薦 11 2.2.1 餘弦相似度度量 12 2.2.2 基於物品過濾的數據預處理 13 2.3 關於評分 14 2.3.1 隱式和顯式評分 14 2.3.2 數據稀疏和冷啟動問題 15 2.4 *多基於模型和預處理的方法 16 2.4.1 矩陣因子分解 17 2.4.2 關聯規則挖掘 20 2.4.3 基於概率分析的推薦方法 22 2.5 近來實際的方法和繫統 25 2.5.1 Slope One預測器 26 2.5.2 Google新聞個性化推薦引擎 28 2.6 討論和小結 30 2.7 書目注釋 31 第3章 基於內容的推薦 32 3.1 內容表示和相似度 33 3.1.1 向量空間模型和TF-IDF 34 3.1.2 向量空間模型的改進及局限 35 3.2 基於內容相似度檢索 36 3.2.1 *近鄰 36 3.2.2 相關性反饋——Rocchio方法 37 3.3 其他文本分類方法 40 3.3.1 基於概率模型的方法 40 3.3.2 其他線性分類器和機器學習 43 3.3.3 顯式決策模型 44 3.3.4 特征選擇 45 3.4 討論 47 3.4.1 對比評估 47 3.4.2 局限 47 3.5 小結 48 3.6 書目注釋 49 第4章 基於知識的推薦 51 4.1 介紹 51 4.2 知識表示法和推理 52 4.2.1 約束 52 4.2.2 實例與相似度 54 4.3 與基於約束推薦繫統交互 55 4.3.1 默認設置 55 4.3.2 處理不滿意的需求和空結果集 57 4.3.3 提出對未滿足需求的修改建議 61 4.3.4 對基於物品/效用推薦結果的排序 61 4.4 與基於實例的推薦繫統交互 64 4.4.1 評價 65 4.4.2 混合評價 67 4.4.3 動態評價 67 4.4.4 **的物品推薦方法 70 4.4.5 評價多樣性 71 4.5 應用實例 72 4.5.1 VITA——基於約束的推薦繫統 72 4.5.2 Entree——基於實例的推薦繫統 77 4.6 書目注釋 79 第5章 混合推薦方法 80 5.1 混合推薦的時機 81 5.1.1 推薦理論框架 81 5.1.2 混合設計 82 5.2 整體式混合設計 83 5.2.1 特征組合的混合方案 84 5.2.2 特征補充的混合方案 85 5.3 並行式混合設計 87 5.3.1 交叉式混合 87 5.3.2 加權式混合 88 5.3.3 切換式混合 89 5.4 流水線混合設計 90 5.4.1 串聯混合 90 5.4.2 分級混合 91 5.5 討論和小結 92 5.6 書目注釋 92 第6章 推薦繫統的解釋 94 6.1 介紹 94 6.2 基於約束的推薦繫統中的解釋 96 6.2.1 實例 97 6.2.2 通過推導生成解釋 99 6.2.3 可靠解釋的分析與概述 100 6.2.4 可靠解釋 102 6.3 基於實例推薦繫統的解釋 103 6.4 協同過濾推薦繫統的解釋 106 6.5 小結 108 第7章 評估推薦繫統 109 7.1 介紹 109 7.2 評估研究的一般特性 110 7.2.1 總論 110 7.2.2 評估方案的實驗對像 111 7.2.3 研究方法 113 7.2.4 評估環境 115 7.3 主流推薦方案 115 7.4 歷史數據集評估 116 7.4.1 方法論 116 7.4.2 衡量標準 117 7.4.3 結果的分析 121 7.5 其他評估方案 121 7.5.1 實驗性研究方案 122 7.5.2 準實驗研究方案 122 7.5.3 非實驗研究方案 123 7.6 小結 123 7.7 書目注釋 124 第8章 案例分析:移動互聯網個性化遊戲推薦 125 8.1 應用與個性化概述 126 8.2 算法和評級 128 8.3 評估 128 8.3.1 測量1:我的推薦 129 8.3.2 測量2:售後推薦 131 8.3.3 測量3:起始頁推薦 133 8.3.4 測量4:演示版下載的整體效果 135 8.3.5 測量5:整體效果 136 8.4 小結與結論 138 第二部分 *新進展 第9章 針對協同推薦繫統的攻擊 140 9.1 **個例子 141 9.2 攻擊維度 141 9.3 攻擊類型 142 9.3.1 隨機攻擊 142 9.3.2 均值攻擊 143 9.3.3 造勢攻擊 143 9.3.4 局部攻擊 143 9.3.5 針對性的打壓攻擊 144 9.3.6 點擊流攻擊和隱式反饋 144 9.4 效果評估和對策 145 9.4.1 推舉攻擊 145 9.4.2 打壓攻擊 146 9.5 對策 146 9.6 隱私方面——分布式協同過濾 148 9.6.1 集中方法:數據擾動 149 9.6.2 分布式協同過濾 150 9.7 討論 153 **0章 在線消費決策 155 10.1 介紹 155 10.2 環境效應 156 10.3 首位/新近效應 159 10.4 其他效應 160 10.5 個人和社會心理學 161 10.6 書目注釋 167 **1章 推薦繫統和下一代互聯網 168 11.1 基於信任網絡的推薦繫統 169 11.1.1 利用顯式的信任網絡 169 11.1.2 信任度度量方法和效果 171 11.1.3 相關方法和近期進展 172 11.2 大眾分類法及其他 174 11.2.1 基於大眾分類法的推薦 174 11.2.2 推薦標簽 181 11.2.3 在分享媒體中推薦內容 183 11.3 本體過濾 185 11.3.1 通過分類改進過濾 185 11.3.2 通過屬性改進過濾 188 11.4 從網絡抽取語義 189 11.5 小結 191 **2章 普適環境中的推薦 192 12.1 介紹 192 12.2 上下文感知推薦 193 12.3 應用領域 195 12.4 小結 197 **3章 總結和展望 198 13.1 總結 198 13.2 展望 198 參考文獻 201 索引 223
" |