8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

Рекомендуемая система практики системы Xiang Liang Artificial Intelligence Professional Technology People's Post и Telecommunications Press 9787115281586

Цена: 617руб.    (¥34.3)
Артикул: 606467632240

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:启诚图书专营店
Адрес:Гуандун
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥22396руб.
¥951 709руб.
¥781 403руб.
¥32576руб.

Рекомендуемая система практики

делать  Сян Лян
Конечно   цена:49
вне&Ensp; издание&Encp; Общество:Люди после прессы
Дата публикации:01 июня 2012 г.
Страница &Nbsp; номер:197
Пакет   кадр:Оплата в мягкой обложке
ISBN:9787115281586
Оглавление
Система рекомендаций Чжангао
1.1 Что такое система рекомендаций
1.2 Применение персонализированной системы рекомендаций
1.2.1 E -Commerce
1.2.2 Фильм и видео -сайт
1.2.3 Персонализированная радиостанция музыкальной сети
1.2.4 Социальная сеть
1.2.5 Персонализированное чтение
1.2.6.
1.2.7 Персонализированное электронное письмо
1.2.8 персонализированная реклама
1.3 Рекомендованная оценка системы
1.3.1 Рекомендуемый системный экспериментальный метод
1.3.2 Индикатор оценки
1.3.3 Оценка измерения
Глава 2 Используйте данные поведения пользователя
2.1 Введение в данные поведения пользователя
2.2 Анализ поведения пользователя
2.2.1 Распределение активности пользователей и популярности предметов
2.2.2 Взаимосвязь между активностью пользователя и популярностью элементов
2.3 Экспериментальный дизайн и оценка алгоритма
2.3.1 Набор данных
2.3.2 Экспериментальный дизайн
2.3.3 Индекс оценки
2.4 Алгоритм на основе соседнего домена
2.4.1 Алгоритм совместной фильтрации на основе пользователя
2.4.2 Алгоритм совместной фильтрации на основе элементов
2.4.3 Комплексное сравнение USERCF и ITEMCF
2.5 Модель скрытой символы
2.5.1 Основной алгоритм
2.5.2 Пример фактических систем на основе LFM
2.5.3 LFM и сравнение соседних методов
2.6 Модель модели модели
2.6.1 Двухточечная диаграмма данных поведения пользователя
2.6.2 Рекомендуемый алгоритм на основе графиков
Глава 3 Рекомендованная система холодной начальной проблемы
3.1 Введение в холодные начальные вопросы
3.2 Используйте информацию о регистрации пользователей
3.3 Выберите интересный элемент, чтобы начать интерес пользователя
3.4 Используйте информацию о контенте элементов
3.5 Дайте игру на роль экспертов
Глава 4 Используйте данные пользователя
4.1 Репрезентативное применение системы метки UGC
4.1.1 Delicious
4.1.2 CiteULike
4.1.3 Last.fm
4.1.4 DOUBAN
4.1.5 Hulu
4.2 Рекомендуемые проблемы в системе метки
4.2.1 Почему пользователи отмечают
4.2.2 Как маркировать пользователей
4.2.3. Какие этикетки играют пользователи
4.3 Рекомендационные системы на основе метки
4.3.1 Экспериментальные настройки
4.3.2 Самый простой алгоритм
4.3.3 Улучшение алгоритма
4.3.4 Рекомендуемый алгоритм на основе
4.3.5 Объяснение рекомендации на основе этикетки
4.4 Рекомендуемые этикетки пользователям
4.4.1 Почему вы рекомендуете этикетки пользователям
4.4.2 Как рекомендовать этикетки пользователям
4.4.3 Экспериментальные настройки
4.4.4.
4.5 Чтение расширения
Глава 5 Использование контекстной информации
5.1 Информация о контексте времени
5.1.1 Введение в эффект времени
5.1.2 Время эффективного примера
5.1.3 Анализ характеристик времени системы
5.1.4 Реальная природа системы рекомендаций
5.1.5 Разнообразное время алгоритма рекомендаций
5.1.6 Временной контекст рекомендую алгоритм
5.1.7 модель временной диаграммы
5.1.8 Оффлайн эксперимент
5.2 Информация о контексте местоположения
5.3 Чтение расширения
Глава 6 Используйте данные социальной сети
6.1 Способ получить данные социальной сети
6.1.1 Электронная почта
6.1.2 Информация о регистрации пользователя
6.1.3 Данные о местоположении пользователя
6.1.4 Форум и дискуссионная группа
6.1.5 Инструмент мгновенного чата
6.1.6 Сайт социальных сетей
6.2 Введение данных социальной сети
6.3 Рекомендация на основе социальных сетей
6.3.1 Алгоритм социализированной рекомендации на основе соседнего домена
6.3.2 Алгоритм социальной рекомендации на основе графиков
6.3.3 Алгоритм социализированной рекомендации в реальной системе
6.3.4 Система социальных рекомендаций и система рекомендаций по совместным фильтрам
6.3.5 Рекомендация по потоку информации
6.4 Рекомендую друзей пользователям
6.4.1 Сопоставление на основе контента
6.4.2 Рекомендуемые друзья на основе общих интересов
6.4.3 Рекомендуемые друзья на основе карт социальной сети
6.4.4 Рекомендуемый алгоритм на основе сравнения алгоритма опроса пользователей
6.5 Чтение расширения
Глава 7 Рекомендуемый пример системы
7.1 Периферийная архитектура
7.2 Рекомендуемая архитектура системы
7.3 Архитектура рекомендуемого двигателя
7.3.1 Сгенерировать вектор функций пользователей
7.3.2 Функции? Рекомендуемые рекомендации
7.3.3 Модуль фильтра
7.3.4 Модуль ранжирования
7.4 Чтение расширения
Глава 8 Вопросы прогнозирования оценки
8.1 Метод автономного эксперимента
8.2 Алгоритм прогноза рейтинга
8.2.1 Среднее
8.2.2 Метод на основе актов
8.2.3 Модель скрытой символов и модель матрицы разложения
8.2.4 Добавить информацию о времени
8.2.5 модель слияния
8.2.6 Связанные экспериментальные результаты приза Netflix
PostScript
Пунктирное содержание

краткое введение

«Рекомендуемая система», составленная Сян Лян, всесторонне и систематически объясняла теоретическую основу, связанную с системой рекомендаций, посредством большого количества кода и диаграмм. сегодня.Кроме того, эта книга дает читателям, которые заинтересованы в разработке системы рекомендаций для разработки и реализации методов и навыков системы рекомендаций, и отвечают на некоторые проблемы, которые часто сталкиваются при применении технологий рекомендаций в реальных сценах.«Рекомендуемая система практики» подходит для читателей, которые заинтересованы в рекомендации технологии для справки.