推荐系统PDF|Epub|txt|kindle电子书版本网盘下载

推荐系统PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

1.1第一部分：基本概念2

1.1.1协同过滤推荐2

1.1.2基于内容的推荐2

1.1.3基于知识的推荐3

1.1.4混合推荐方法4

1.1.5推荐系统的解释4

1.1.6评估推荐系统4

1.1.7案例研究5

1.2第二部分：最新进展5

第一部分 基本概念8

第2章 协同过滤推荐8

2.1基于用户的最近邻推荐8

2.1.1第一个例子8

2.1.2更好的相似度和赋权体系10

2.1.3选择近邻11

2.2基于物品的最近邻推荐11

2.2.1余弦相似度度量12

2.2.2基于物品过滤的数据预处理13

2.3关于评分14

2.3.1隐式和显式评分14

2.3.2数据稀疏和冷启动问题15

2.4更多基于模型和预处理的方法16

2.4.1矩阵因子分解17

2.4.2关联规则挖掘20

2.4.3基于概率分析的推荐方法22

2.5近来实际的方法和系统25

2.5.1 Slope One预测器26

2.5.2 Google新闻个性化推荐引擎28

2.6讨论和小结30

2.7书目注释31

第3章 基于内容的推荐32

3.1内容表示和相似度33

3.1.1向量空间模型和TF-IDF34

3.1.2向量空间模型的改进及局限35

3.2基于内容相似度检索36

3.2.1最近邻36

3.2.2相关性反馈——Rocchio方法37

3.3其他文本分类方法40

3.3.1基于概率模型的方法40

3.3.2其他线性分类器和机器学习43

3.3.3显式决策模型44

3.3.4特征选择45

3.4讨论47

3.4.1对比评估47

3.4.2局限47

3.5小结48

3.6书目注释49

第4章 基于知识的推荐51

4.1介绍51

4.2知识表示法和推理52

4.2.1约束52

4.2.2实例与相似度54

4.3与基于约束推荐系统交互55

4.3.1默认设置55

4.3.2处理不满意的需求和空结果集57

4.3.3提出对未满足需求的修改建议61

4.3.4对基于物品/效用推荐结果的排序61

4.4与基于实例的推荐系统交互64

4.4.1评价65

4.4.2混合评价67

4.4.3动态评价67

4.4.4高级的物品推荐方法70

4.4.5评价多样性71

4.5应用实例72

4.5.1 VITA——基于约束的推荐系统72

4.5.2 Entree——基于实例的推荐系统77

4.6书目注释79

第5章 混合推荐方法80

5.1混合推荐的时机81

5.1.1推荐理论框架81

5.1.2混合设计82

5.2整体式混合设计83

5.2.1特征组合的混合方案84

5.2.2特征补充的混合方案85

5.3并行式混合设计87

5.3.1交叉式混合87

5.3.2加权式混合88

5.3.3切换式混合89

5.4流水线混合设计90

5.4.1串联混合90

5.4.2分级混合91

5.5讨论和小结92

5.6书目注释92

第6章 推荐系统的解释94

6.1介绍94

6.2基于约束的推荐系统中的解释96

6.2.1实例97

6.2.2通过推导生成解释99

6.2.3可靠解释的分析与概述100

6.2.4可靠解释102

6.3基于实例推荐系统的解释103

6.4协同过滤推荐系统的解释106

6.5小结108

第7章 评估推荐系统109

7.1介绍109

7.2评估研究的一般特性110

7.2.1总论110

7.2.2评估方案的实验对象111

7.2.3研究方法113

7.2.4评估环境115

7.3主流推荐方案115

7.4历史数据集评估116

7.4.1方法论116

7.4.2衡量标准117

7.4.3结果的分析121

7.5其他评估方案121

7.5.1实验性研究方案122

7.5.2准实验研究方案122

7.5.3非实验研究方案123

7.6小结123

7.7书目注释124

第8章 案例分析：移动互联网个性化游戏推荐125

8.1应用与个性化概述126

8.2算法和评级128

8.3评估128

8.3.1测量1：我的推荐129

8.3.2测量2：售后推荐131

8.3.3测量3：起始页推荐133

8.3.4测量4：演示版下载的整体效果135

8.3.5测量5：整体效果136

8.4小结与结论138

第二部分 最新进展140

第9章 针对协同推荐系统的攻击140

9.1第一个例子141

9.2攻击维度141

9.3攻击类型142

9.3.1随机攻击142

9.3.2均值攻击143

9.3.3造势攻击143

9.3.4局部攻击143

9.3.5针对性的打压攻击144

9.3.6点击流攻击和隐式反馈144

9.4效果评估和对策145

9.4.1推举攻击145

9.4.2打压攻击146

9.5对策146

9.6隐私方面——分布式协同过滤148

9.6.1集中方法：数据扰动149

9.6.2分布式协同过滤150

9.7讨论153

第10章 在线消费决策155

10.1介绍155

10.2环境效应156

10.3首位/新近效应159

10.4其他效应160

10.5个人和社会心理学161

10.6书目注释167

第11章 推荐系统和下一代互联网168

11.1基于信任网络的推荐系统169

11.1.1利用显式的信任网络169

11.1.2信任度度量方法和效果171

11.1.3相关方法和近期进展172

11.2大众分类法及其他174

11.2.1基于大众分类法的推荐174

11.2.2推荐标签181

11.2.3在分享媒体中推荐内容183

11.3本体过滤185

11.3.1通过分类改进过滤185

11.3.2通过属性改进过滤188

11.4从网络抽取语义189

11.5小结191

第12章 普适环境中的推荐192

12.1介绍192

12.2上下文感知推荐193

12.3应用领域195

12.4小结197

第13章 总结和展望198

13.1总结198

13.2展望198

参考文献201

索引223