书目详细信息
： 推荐系统关键技术的研究
书目信息 机读格式(MARC)
| ISBN/价格： | 978-7-5170-9939-0:CNY59.80 |
|---|---|
| ISBN/价格： | 978-7-5170-9939-0:CNY59.80 |
| 题名： | 推荐系统关键技术的研究 |
| 作品语种： | chi |
| 作品语种： | chi |
| 出版国别： | CN 110000 |
| 出版国别： | CN 110000 |
| 题名责任者项： | 推荐系统关键技术的研究/.田保军著 |
| 题名责任者项： | 推荐系统关键技术的研究/.田保军著 |
| 出版发行项： | 北京:,中国水利水电出版社:,2021 |
| 出版发行项： | 北京:,中国水利水电出版社:,2021 |
| 载体形态项： | 134页:;+24cm |
| 载体形态项： | 134页:;+24cm |
| 相关题名附注： | 封面英文题名:Research on key technologies of recommender system |
| 相关题名附注： | 封面英文题名:Research on key technologies of recommender system |
| 提要文摘： | 信息化、智能化技术的快速发展引发了数据爆发式增长,大数据时代的到来也伴随着"信息过载"问题的出现。推荐系统是解决信息过载问题的有效方法,作为现阶段推荐算法当中应用为广泛的个性化推荐算法之一,协同过滤推荐算法有着该领域内其他推荐算法无法比拟的诸多优点。但是在实际应用场景中,协同过滤推荐算法仍然有较多问题亟须解决。针对协同过滤推荐算法面对的数据稀疏性问题,《推荐系统关键技术的研究》分别采用数据填充方法、融合信任的概率矩阵分解模型、融合用户评分信息和项目评论特征的深度学习模型进行分析解决。针对协同过滤推荐算法面对的冷启动问题,《推荐系统关键技术的研究》分别采用K-means聚类算法与基于优化的遗传算 |
| 提要文摘： | 信息化、智能化技术的快速发展引发了数据爆发式增长,大数据时代的到来也伴随着"信息过载"问题的出现。推荐系统是解决信息过载问题的有效方法,作为现阶段推荐算法当中应用为广泛的个性化推荐算法之一,协同过滤推荐算法有着该领域内其他推荐算法无法比拟的诸多优点。但是在实际应用场景中,协同过滤推荐算法仍然有较多问题亟须解决。针对协同过滤推荐算法面对的数据稀疏性问题,《推荐系统关键技术的研究》分别采用数据填充方法、融合信任的概率矩阵分解模型、融合用户评分信息和项目评论特征的深度学习模型进行分析解决。针对协同过滤推荐算法面对的冷启动问题,《推荐系统关键技术的研究》分别采用K-means聚类算法与基于优化的遗传算 |
| 并列题名： | Research on key technologies of recommender system eng |
| 并列题名： | Research on key technologies of recommender system eng |
| 题名主题： | 计算机算法 教材 |
| 题名主题： | 计算机算法 教材 |
| 中图分类： | TP301 |
| 中图分类： | TP301 |
| 个人名称等同： | 田保军 著 |
| 个人名称等同： | 田保军 著 |
| 记录来源： | CN 91MARC 20221010 |
| 记录来源： | CN 91MARC 20221010 |