機器學(xué)習(xí)算法實踐：推薦系統(tǒng)的協(xié)同過濾理論及其應(yīng)用
個性化推薦能夠根據(jù)用戶的歷史行為顯式或者隱式地挖掘用戶潛在的興趣和需求，并為其推送個性化信息，因此受到研究者的追捧及工業(yè)界的青睞，其研究具有重大的學(xué)術(shù)價值及商業(yè)應(yīng)用價值，已廣泛應(yīng)用于大型電子商務(wù)平臺、社交平臺、新聞客戶端以及其他各類旅游和娛樂類網(wǎng)站中。本書內(nèi)容豐富，較全面地介紹了基于協(xié)同過濾的推薦系統(tǒng)存在的問題、解決方法和評估策略，主要內(nèi)容涉及協(xié)同過濾推薦算法中的時序技術(shù)、矩陣分解技術(shù)和社交網(wǎng)絡(luò)信任技術(shù)等知識。本書可供從事推薦系統(tǒng)、人工智能、機器學(xué)習(xí)、模式識別和信息檢索等領(lǐng)域的科研人員及研究生閱讀、參考。
·9.1萬字
