扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
基于社会化标注的个性化推荐算法研究 版权信息
- ISBN：9787030608574
- 条形码：9787030608574 ; 978-7-03-060857-4
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
基于社会化标注的个性化推荐算法研究 本书特色
对用户协同模型和多兴趣模型算法加以了模拟实现，构建了相关的模型并给出针对具体模型的推荐。在此基础上，结合用户参与评分的方法对算法的推荐效果进行了评价。结果发现，基于用户协同模型的算法要略优于现有的基于用户自身标签的算法，而基于多兴趣模型的推荐则要明显好于上述两种算法，原因可能是多兴趣模型中的子兴趣保持了资源主题的单一性，从而有助于找到更为相关的资源。
基于社会化标注的个性化推荐算法研究 内容简介
随着信息社会与数字经济时代的全面到来，越来越多的用户成为互联网信息内容的创造者，网络信息过载也日益严重。在此条件下，如何有效地过滤与选择信息成为时代性的挑战。标签作为一种用户视角的资源特征表述方式，成为个性化信息推荐研究重要的数据来源。《基于社会化标注的个性化推荐算法研究》首先对标签相关文献进行了系统回顾，然后以标签及社会化标注为切入点，应用派系聚类法和向量模型法，从用户间协同、用户多兴趣两个角度构建了若干个性化推荐算法。并在此基础上，结合 Word Net 进一步提出了面向语义优化的改进推荐算法。实验表明，《基于社会化标注的个性化推荐算法研究》所提出的算法具有更好的推荐效果。
基于社会化标注的个性化推荐算法研究 目录
目录
**篇 基础篇
第1章 绪论 3
1.1 研究背景及意义 3
1.2 社会化标注的相关理论 6
1.3 本书的内容安排 14
第2章 相关研究进展17
2.1 传统的推荐技术 17
2.2 基于社会化标注的推荐 19
2.3 现有研究存在的不足 38
第二篇 基础算法篇
第3章 基于社会化标注的用户协同模型 43
3.1 用户标注中的偏差行为 44
3.2 主流标签的确定 54
3.3 用户协同模型的建立 60
第4章 基于社会化标注的用户多兴趣模型 64
4.1 用户多兴趣的验证 65
4.2 聚类分析方法 68
4.3 聚类的实现 73
4.4 用户多兴趣模型的建立 83
第5章 基于用户协同和多兴趣模型的推荐算法88
5.1 基于社会化标注的资源模型 88
5.2 相关匹配算法 94
5.3 两种模型下的推荐算法 97
第6章 基于社会化标注推荐的模拟实现与评价 103
6.1 基于社会化标注推荐的模拟实现 103
6.2 推荐算法的评估 111
第三篇 语义优化篇
第7章 基于多义标签的推荐算法优化 115
7.1 标签预处理 115
7.2 多义标签识别 117
7.3 用户模型标签消歧 122
7.4 基于标签消歧的推荐优化算法 124
第8章 基于同义标签的推荐算法优化 127
8.1 WordNet 概述 128
8.2 构建同义标签集 129
8.3 资源模型的同义扩展 133
8.4 基于同义扩展的推荐算法优化 136
第9章 实验结果与分析 139
9.1 算法实现 139
9.2 算法评价 142
第四篇 结论篇
第10章 结论与展望 152
10.1 主要结论 152
10.2 后续研究展望 154
参考文献 156
**篇 基础篇
第1章 绪论 3
1.1 研究背景及意义 3
1.2 社会化标注的相关理论 6
1.3 本书的内容安排 14
第2章 相关研究进展17
2.1 传统的推荐技术 17
2.2 基于社会化标注的推荐 19
2.3 现有研究存在的不足 38
第二篇 基础算法篇
第3章 基于社会化标注的用户协同模型 43
3.1 用户标注中的偏差行为 44
3.2 主流标签的确定 54
3.3 用户协同模型的建立 60
第4章 基于社会化标注的用户多兴趣模型 64
4.1 用户多兴趣的验证 65
4.2 聚类分析方法 68
4.3 聚类的实现 73
4.4 用户多兴趣模型的建立 83
第5章 基于用户协同和多兴趣模型的推荐算法88
5.1 基于社会化标注的资源模型 88
5.2 相关匹配算法 94
5.3 两种模型下的推荐算法 97
第6章 基于社会化标注推荐的模拟实现与评价 103
6.1 基于社会化标注推荐的模拟实现 103
6.2 推荐算法的评估 111
第三篇 语义优化篇
第7章 基于多义标签的推荐算法优化 115
7.1 标签预处理 115
7.2 多义标签识别 117
7.3 用户模型标签消歧 122
7.4 基于标签消歧的推荐优化算法 124
第8章 基于同义标签的推荐算法优化 127
8.1 WordNet 概述 128
8.2 构建同义标签集 129
8.3 资源模型的同义扩展 133
8.4 基于同义扩展的推荐算法优化 136
第9章 实验结果与分析 139
9.1 算法实现 139
9.2 算法评价 142
第四篇 结论篇
第10章 结论与展望 152
10.1 主要结论 152
10.2 后续研究展望 154
参考文献 156
展开全部
书友推荐
本类畅销
-
C专家编程
¥41¥69 -
UG NX 11.0工程图教程-(含1DVD)
¥30.4¥59.9 -
网络爬虫进化论——从Excel爬虫到Python爬虫
¥55.5¥79 -
Python 数据分析基础
¥41¥69 -
Python 3.5从零开始学
¥26.4¥59 -
湖北交通文化
¥21.8¥46
