编辑推荐
机器学习、个性化推荐算法应用讲解。
内容简介
个性化推荐作为一种重要的信息过滤技术，广泛应用于电子商务、社交服务以及基于位置的服务等领域，随着数据量的爆炸式增长，原有的推荐算法存在执行效率低和数据稀疏性等问题。
为了解决原有推荐算法存在的问题，本书提出了3种新的算法，分别是基于三维项集矩阵和向量的频繁项集挖掘算法、融合惩罚因子和时间权重的协同过滤算法以及基于用户属性和项目评分的协同过滤算法，并介绍了一个个性化图书推荐原型系统的构建方案。
作者简介
作者刘超慧，郑州航空工业管理学院智能工程学院创新实践中心主任，主要研究方向为信息系统开发、机器学习和资源推荐。
章节目录
版权信息
内容提要
前言
第1章 概述
1.1 研究背景与意义
1.2 问题与挑战
1.3 本书的组织架构
第2章 机器学习的相关理论
2.1 机器学习
2.2 推荐系统
2.3 用户画像
2.4 人工神经网络
2.5 小结
第3章 个性化推荐算法的相关理论
3.1 个性化推荐系统的应用
3.2 推荐算法的分类
3.3 推荐系统评价
3.4 推荐系统存在的问题
3.5 小结
第4章 基于三维项集矩阵和向量的频繁项集挖掘算法
4.1 概述
4.2 理论基础
4.3 基于三维项集矩阵和向量的频繁项集挖掘算法详解
4.4 实验结果分析
4.5 小结
第5章 融合惩罚因子和时间权重的协同过滤算法
5.1 概述
5.2 理论基础
5.3 融合惩罚因子和时间权重的协同过滤算法详解
5.4 实验结题与分析
5.5 小结
第6章 基于用户属性和项目评分的协同过滤算法
6.1 概述
6.2 基于用户属性和项目评分的协同过滤算法详解
6.3 实验与结果分析
6.4 小结
第7章 个性化图书推荐原型系统
7.1 概述
7.2 系统设计
7.3 系统实现及关键技术
7.4 系统使用说明
7.5 小结
第8章 总结与展望
8.1 研究总结
8.2 研究展望
参考文献
基于机器学习的个性化推荐算法及应用是2024年由人民邮电出版社出版,作者李玲玲。
得书感谢您对《基于机器学习的个性化推荐算法及应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
