新書推薦：
《
漫步时光 治愈系钢笔淡彩绘制技法
》
售價：NT$
509.0
《
长安之春（典藏版）
》
售價：NT$
403.0
《
精读（畅销书《精进》作者采铜重磅新作，助你掌握AI不具备的精读能力 ）
》
售價：NT$
305.0
《
排爆组遭遇自旋（第165届直木奖得主佐藤究首次引进国内！ 推理×科幻×怪物 ）
》
售價：NT$
352.0
《
舌尖上的微生物：发酵的历史、食谱与创新
》
售價：NT$
806.0
《
认知行为疗法简易操作指南（原著第二版）
》
售價：NT$
449.0
《
分镜！成为漫画家的第一步
》
售價：NT$
500.0
《
永恒与时间：丸山真男思想史学的交响曲
》
售價：NT$
500.0
|
| 編輯推薦： |
|
电子商务、移动新闻、在线教育、社交媒体、搜索引擎等领域纷纷在各自平台加入了个性化推荐的功能，使各种移动应用从千人一面转变为千人千面。 本书能帮助有志于从事推荐系统的科研人员快速梳理推荐系统的技术发展脉络，快速了解推荐系统的相关技术；帮助科研人员了解、掌握推荐系统领域一些经典的推荐算法模型。
|
| 內容簡介： |
推荐系统是互联网时代极具商业价值的应用之一，是人工智能、大数据领域的研究热点之一，它在电子商务、社交媒体、视频网站和新闻资讯平台等领域发挥着重要作用。本书介绍了推荐系统的研究进展和主要技术方法，旨在反映社会化推荐方法的主要技术，为相关科研人员的研究提供参考。全书共分6章。第1章介绍推荐系统的发展历史和主要应用，第2章介绍基于近邻的协同过滤推荐方法，第3章介绍基于模型的协同过滤推荐方法，第4章介绍基于社交关系的矩阵分解推荐方法，第5章介绍基于深度学习的社会化推荐方法，第6章介绍基于图神经网络的社会化推荐方法。
本书可供有志于从事个性化推荐、社交网络分析的相关研究人员及高等院校有关专业研究生、本科生阅读，也可为从事电子商务、数字媒体技术、计算广告学的研究人员提供参考。
|
| 關於作者： |
|
陈锐，副教授，硕士生导师，主要从事信息检索与推荐系统、社交网络分析、人机交互等方面的研究。中国图像图形学会人机交互专委会委员，中文信息学会情感计算专委会委员，发表SCI论文10余篇，主持省级科研项目4项，参与国家级科研项目1项，获省部级科技进步奖2项，授权发明专利、软件著作权10余项，出版教材、学术著作10余部，获省级高等教育教学成果奖3项，参与国家级一流课程1门、省级教改项目3项。
|
| 目錄：
|
第1章 推荐系统概述/1
1.1引言/1
1.2信息过滤工具——信息检索与推荐系统/4
1.3推荐系统的发展历史/8
1.4个性化推荐系统的应用/16
1.5常用数据集与评测方法/23
1.6推荐系统面临的挑战/28
1.7本章小结/29
参考文献/30
第2章 基于近邻的协同过滤推荐算法/34
2.1引言/34
2.2基于用户的协同过滤推荐算法/35
2.3基于项目的协同过滤推荐算法/41
2.4基于内存的社交关系推荐算法/45
2.5基于图的推荐算法/49
2.6本章小结/55
参考文献/56
第3章 基于模型的协同过滤推荐算法/59
3.1引言/59
3.2 基于概率的协同过滤推荐算法/61
3.3基于矩阵分解的协同过滤推荐算法/69
3.4因子分解机技术/80
3.5本章小结/83
参考文献/83
第4章 基于社交关系的矩阵分解推荐算法/87
4.1引言/87
4.2基于社交网络推荐系统的形式化定义和基本框架/89
4.3基于概率矩阵分解的社交网络推荐技术/92
4.4增强的社交矩阵分解模型/108
4.5基于社交关系预测反馈机制的推荐算法/139
4.6本章小结/150
参考文献/152
第5章 基于深度学习的社会化推荐方法/158
5.1深度学习与推荐系统/158
5.2 NeuralCF模型/175
5.3 Wide &.Deep模型/181
5.4 Word2Vec模型/187
5.5 DeepFM模型/193
5.6 xDeepFM模型/197
5.7 TrustSVD模型/202
5.8 DIN模型/205
5.9 NeuMF模型/212
5.10 EMARec模型/213
5.11 本章小结/216
参考文献/217
第6章 基于图神经网络的社会化推荐方法/222
6.1图神经网络推荐模型的特点/222
6.2图卷积网络推荐模型/225
6.3图注意力网络推荐模型/242
6.4图自动编码器推荐模型/250
6.5图生成网络推荐模型/260
6.6本章小结/269
参考文献/270
索引/273
|
| 內容試閱：
|
随着网络技术的日益成熟和移动设备的普及，社交媒体得到了空前的发展，各种移动应用层出不穷，给人们的工作和生活带来了极大便利，人类从个人计算时代迈入社会计算时代，人们的交流沟通方式从线下为主转变为线上为主，加速了个性化推荐系统的发展和普及应用，电子商务、移动新闻、在线教育、社交媒体、搜索引擎等领域纷纷在各自平台加入了个性化推荐的功能，使各种移动应用从千人一面转变为千人千面，人们的生活变得丰富多彩，这些技术的进步离不开学术界和工业界从事推荐系统、社交网络等方向研究的科研工作者的努力。正是他们的辛苦付出，才有了今天技术的进步、人们生活的便捷。
推荐系统作为大数据、人工智能领域的一个研究热点，于20世纪90年代为了解决数据量激增造成信息过载而产生，之后大量推荐应用系统被提出。目前，推荐系统已成为人机交互、机器学习和信息检索领域的热门研究课题。推荐系统是一种通过分析用户的历史行为、兴趣爱好等数据信息，为用户推荐个性化的产品、服务、信息等的技术系统。它最初起源于人机交互领域，随着技术的发展，推荐系统不仅用于互联网购物、新闻、音乐、视频等领域，还逐渐在计算机科学、人工智能、新闻传播学、伦理学和社会科学等多个领域得到广泛应用。
推荐系统采用的技术和方法日新月异，经历了协同过滤、基于概率的方法、矩阵分解、深度学习、图神经网络等技术。写作本书的目的，一方面希望帮助有志于从事推荐系统的科研人员快速梳理推荐系统的技术发展脉络，快速了解推荐系统的相关技术；另一方面希望通过本书的介绍，使科研人员了解、掌握推荐系统领域一些经典的推荐算法模型，为今后的深入研究提供参考。
本书结合作者自身科研项目，比较系统地介绍了推荐系统的发展历史、常见的经典算法模型(包括基于协同过滤的推荐方法、基于矩阵分解的协同过滤推荐方法、基于深度学习的推荐方法和基于图神经网络的推荐方法)。
欢迎各位读者在阅读本书的过程中将遇到的问题反馈给我们，无论是指出错误或提出改进建议，还是希望探讨交流，都欢迎和我们联系(13382038@qq.com)。
本书的主要内容是作者及实验室团队成员近年来研究成果和对经典推荐模型的总结，写作本书花费了大量的时间和精力整理之前的研究成果、查阅最新的论文并对知识点进行梳理。感谢智能信息处理实验室的各位老师、同学对本书的支持，特别是庞康宁、代卓、董景阳、王宗林，他们参与了本书部分章节的资料整理。本书由郑州轻工业大学的陈锐、黄敏完成。代卓、董景阳、王宗林负责第5章的资料整理和撰写，庞康宁负责第6章的资料整理和撰写。
在本书的写作过程中，得到了郑州轻工业大学和上海科学技术出版社的大力支持，在此表示衷心感谢。同时，感谢河南省研究生教育改革与质量提升工程项目(项目批准号：YJS2024JC12，YJS2023ZX08)及河南省高等教育教学改革研究与实践项目(研究生教育类)(项目批准号：2023SJGLX159Y，2023SJGLX369Y)等项目的支持。
在本书的编写过程中，参阅了大量相关学术论文、教材、著作、科普文献及网络资源在此向各位原著者致谢!
由于作者水平有限，加上时间仓促，书中难免存在一些不足之处，恳请读者批评指正。
作 者
2024年8月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
