计算机 类型
可以朗读 语音朗读
111千字 字数
2023-01-01 发行日期
展开全部

主编推荐语

本书对在移动互联网环境下的信息推荐方法和技术进行了研究。

内容简介

全书以推荐系统理论为基础，以探究移动互联网环境下用户如何精确获取信息这一问题为出发点，研究面向用户个性化需求的移动互联网信息推荐技术，分别从移动用户需求获取、移动情境感知推荐、社会化推荐、群组推荐等方面对移动互联网信息推荐技术展开较为全面、深入的研究和探讨。

本书可供从事电子商务推荐系统研究、教学的相关人员，以及高等院校研究生、电子商务工作者使用。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 绪论
  • 1.1 移动互联网的基本概念
  • 1.1.1 移动互联网的定义及特点
  • 1.1.2 移动互联网推荐技术
  • 1.2 移动推荐系统研究框架
  • 1.3 移动推荐系统的应用
  • 1.4 移动互联网信息推荐领域中的研究热点
  • 参考文献
  • 第2章 推荐系统理论综述
  • 2.1 基于内容的推荐方法
  • 2.1.1 概述
  • 2.1.2 算法流程
  • 2.1.3 优点与不足
  • 2.2 协同过滤推荐方法
  • 2.2.1 基于邻域的协同过滤推荐方法
  • 2.2.2 基于模型的协同过滤推荐方法
  • 2.2.3 优点与不足
  • 2.3 情境感知推荐方法
  • 2.3.1 概述
  • 2.3.2 情境建模方法
  • 2.3.3 情境感知推荐技术的分类
  • 2.3.4 优点与不足
  • 2.4 社会化推荐方法
  • 2.4.1 概述
  • 2.4.2 社会关系网络模型的构建
  • 2.4.3 社会化推荐生成技术
  • 2.4.4 优点与不足
  • 2.5 群组推荐方法
  • 2.5.1 概述
  • 2.5.2 群组推荐方法的关键技术
  • 2.5.3 优点与不足
  • 2.6 基于深度学习的推荐方法
  • 2.6.1 概述
  • 2.6.2 深度学习模型
  • 2.6.3 基于深度学习的推荐方法分类
  • 2.6.4 优点与不足
  • 2.7 大数据环境下的推荐方法
  • 2.7.1 概述
  • 2.7.2 大数据环境下的推荐方法中的技术
  • 2.7.3 大数据环境下的推荐方法的分类
  • 2.7.4 优点与不足
  • 参考文献
  • 第3章 移动用户需求获取
  • 3.1 移动用户需求特点
  • 3.2 用户需求获取技术概述
  • 3.2.1 传统用户需求获取技术
  • 3.2.2 移动用户需求获取技术
  • 3.3 移动用户需求获取关键技术
  • 3.3.1 移动用户需求获取技术框架
  • 3.3.2 情境对移动用户需求的影响
  • 3.3.3 移动用户需求获取的计算方法
  • 3.3.4 移动用户需求动态获取及自适应更新技术
  • 3.4 移动用户需求获取技术效用评价
  • 3.5 有待进一步研究的问题
  • 参考文献
  • 第4章 移动情境感知推荐
  • 4.1 情境信息概述
  • 4.1.1 情境信息的概念及特点
  • 4.1.2 移动情境信息的分类
  • 4.2 情境信息的获取
  • 4.2.1 情境信息获取的技术架构
  • 4.2.2 情境信息的获取方法
  • 4.3 情境信息的表示方法与建模方法
  • 4.3.1 情境信息的表示方法
  • 4.3.2 情境信息的建模方法
  • 4.4 情境感知推荐算法
  • 4.5 两种典型的改进情境感知推荐算法
  • 4.5.1 基于矩阵分解的情境感知推荐算法
  • 4.5.2 宽松匹配的情境感知推荐算法
  • 4.6 情境感知推荐系统的效用评价
  • 参考文献
  • 第5章 社会化推荐
  • 5.1 社会化推荐概述
  • 5.1.1 社会化推荐系统的形式化定义
  • 5.1.2 社会化推荐系统的基本框架
  • 5.1.3 社会化网络模型的构建
  • 5.1.4 社会化推荐生成技术
  • 5.2 融合移动用户信任关系的协同过滤推荐算法
  • 5.2.1 信任用户间的影响度计算
  • 5.2.2 融合信任关系的推荐方法
  • 5.3 融合用户群组关系的群组推荐方法
  • 5.4 融合用户地理位置信息的协同过滤推荐方法
  • 5.4.1 基于地理位置信息的用户偏好特征模型
  • 5.4.2 用户间的信任度计算
  • 5.4.3 基于用户地理位置信息的网络信息推荐算法
  • 5.5 融合项目相似度和信任关系的推荐方法
  • 参考文献
  • 第6章 群组推荐
  • 6.1 群组推荐概述
  • 6.1.1 群组推荐的基本方法
  • 6.1.2 群组的发现和群组推荐的偏好融合策略
  • 6.2 偏好融合的方法
  • 6.3 群组特征对偏好融合算法的影响
  • 6.4 群组推荐系统的效用评价
  • 6.5 基于项目评分和特征的群组推荐方法
  • 6.5.1 构建用户偏好模型
  • 6.5.2 构建群组偏好模型
  • 6.5.3 群组相似度计算
  • 6.5.4 群组推荐算法
  • 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。