一级免费毛片,超精品反差良家合集

內(nèi)容簡(jiǎn)介

　　電子商務(wù)推薦系統(tǒng)是解決信息超載的重要技術(shù)。協(xié)同過(guò)濾作為推薦系統(tǒng)中廣泛使用的、*成功的推薦算法，還存在諸如稀疏性（sparsity）、冷啟動(dòng)（cold-start）、可擴(kuò)展性（scalability）等制約其進(jìn)一步發(fā)展的瓶頸問(wèn)題?！峨娮由虅?wù)推薦系統(tǒng)瓶頸問(wèn)題研究》針對(duì)稀疏性問(wèn)題，提出了非目標(biāo)用戶類型區(qū)分理論、領(lǐng)域*近鄰理論、基于Rough集理論的用戶評(píng)分項(xiàng)并集未評(píng)分值填補(bǔ)方法等；針對(duì)冷啟動(dòng)問(wèn)題，提出了一種冷啟動(dòng)消除方法，包括用戶訪問(wèn)項(xiàng)序理論、n序訪問(wèn)解析邏輯、改進(jìn)的*頻繁項(xiàng)提取算法IMIEA、用戶訪問(wèn)項(xiàng)序的Markov鏈模型等；針對(duì)可擴(kuò)展性問(wèn)題，提出了適應(yīng)用戶興趣變化的協(xié)同過(guò)濾增量更新機(jī)制；*后設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)電子商務(wù)協(xié)同過(guò)濾原型系統(tǒng)ECRec?！峨娮由虅?wù)推薦系統(tǒng)瓶頸問(wèn)題研究》可供管理學(xué)、計(jì)算機(jī)科學(xué)等相關(guān)領(lǐng)域和專業(yè)的高校師生、科研院所研究人員、IT企業(yè)（尤其是電子商務(wù)企業(yè)）管理者及技術(shù)人員參考使用。

作者簡(jiǎn)介

　　李聰，四川西充人，合肥工業(yè)大學(xué)管理科學(xué)與工程博士，電子科技大學(xué)管理科學(xué)與工程博士后，四川師范大學(xué)計(jì)算機(jī)科學(xué)學(xué)院副教授、碩士生導(dǎo)師，四川省第十一批學(xué)術(shù)和技術(shù)帶頭人后備人選，美國(guó)匹茲堡大學(xué)訪問(wèn)學(xué)者。主要從事電子商務(wù)與商務(wù)智能研究，已主持國(guó)家自然科學(xué)基金項(xiàng)目等各級(jí)科研課題十余項(xiàng)，發(fā)表論文四十余篇。馬麗，四川西充人，重慶師范大學(xué)人文地理學(xué)碩士，四川師范大學(xué)圖書(shū)與檔案信息中心副教授。主要從事電子商務(wù)與信息管理研究，已主持和主研各級(jí)科研課題近十項(xiàng)，發(fā)表論文二十余篇。

圖書(shū)目錄

前言
第1章緒論
1.1問(wèn)題的提出
1.2研究目的與意義
1.3電子商務(wù)推薦系統(tǒng)概述
1.3.1定義及任務(wù)
1.3.2用戶偏好數(shù)據(jù)
1.3.3相關(guān)推薦技術(shù)
1.4國(guó)內(nèi)外研究現(xiàn)狀
1.4.1協(xié)同過(guò)濾的起源和發(fā)展
1.4.2協(xié)同過(guò)濾的瓶頸問(wèn)題
1.4.3稀疏性問(wèn)題研究現(xiàn)狀
1.4.4可擴(kuò)展性問(wèn)題研究現(xiàn)狀
1.5研究?jī)?nèi)容與結(jié)構(gòu)安排
第2章傳統(tǒng)協(xié)同過(guò)濾及其評(píng)價(jià)方法
2.1基于用戶的協(xié)同過(guò)濾
2.1.1表示
2.1.2鄰居用戶形成
2.1.3推薦生成
2.2基于項(xiàng)目的協(xié)同過(guò)濾
2.2.1鄰居項(xiàng)目形成
2.2.2推薦生成
2.3推薦質(zhì)量評(píng)價(jià)方法
2.3.1評(píng)價(jià)標(biāo)準(zhǔn)
2.3.2實(shí)驗(yàn)數(shù)據(jù)集
2.3.3實(shí)驗(yàn)方案
2.4本章小結(jié)
第3章面向KNN法的稀疏性緩解理論研究
3.1相關(guān)工作分析
3.2非目標(biāo)用戶類型區(qū)分理論
3.3基于領(lǐng)域最近鄰理論的KNN法
3.3.1領(lǐng)域最近鄰理論
3.3.2基于領(lǐng)域最近鄰的KNN法描述
3.3.3實(shí)驗(yàn)結(jié)果及分析
3.4基于Rough集理論的KNN法
3.4.1基于Rough集理論的未評(píng)分項(xiàng)填補(bǔ)方法
3.4.2基于Rough集理論的KNN法描述
3.4.3實(shí)驗(yàn)結(jié)果及分析
3.5本章小結(jié)
第4章基于用戶訪問(wèn)項(xiàng)序的冷啟動(dòng)消除方法研究
4.1相關(guān)工作分析
4.2用戶訪問(wèn)項(xiàng)序理論
4.2.1用戶訪問(wèn)項(xiàng)序的獲取
4.2.2n序訪問(wèn)解析邏輯
4.2.3用戶訪問(wèn)項(xiàng)序的相似性計(jì)算方法
4.3基于訪問(wèn)項(xiàng)序最近鄰的top—N推薦
4.4基于Markov鏈模型的商品導(dǎo)航推薦
4.4.1Markov鏈與概率轉(zhuǎn)移矩陣
4.4.2用戶訪問(wèn)項(xiàng)序的Markov鏈模型
4.4.3模型的訓(xùn)練方法
4.5實(shí)驗(yàn)結(jié)果及分析
4.5.1實(shí)驗(yàn)環(huán)境、數(shù)據(jù)集及評(píng)價(jià)標(biāo)準(zhǔn)
4.5.2實(shí)驗(yàn)結(jié)果及分析
4.6本章小結(jié)
第5章面向可擴(kuò)展性的增量更新機(jī)制研究
5.1相關(guān)工作分析
5.2項(xiàng)目相似性增量更新機(jī)制
5.2.1增量更新機(jī)制的基本思想
5.2.2獨(dú)立因子的增量值計(jì)算方法
5.2.3計(jì)算復(fù)雜度分析
5.2.4增量更新流程分析
5.3實(shí)驗(yàn)結(jié)果及分析
5.3.1實(shí)驗(yàn)環(huán)境、數(shù)據(jù)集及評(píng)價(jià)標(biāo)準(zhǔn)
5.3.2實(shí)驗(yàn)結(jié)果及分析
5.4本章小結(jié)
第6章電子商務(wù)協(xié)同過(guò)濾系統(tǒng)ECRec的設(shè)計(jì)與實(shí)現(xiàn)
6.1ECRec的設(shè)計(jì)
6.1.1系統(tǒng)架構(gòu)設(shè)計(jì)
6.1.2功能模塊設(shè)計(jì)
6.1.3系統(tǒng)內(nèi)存處理設(shè)計(jì)
6.2ECRec的實(shí)現(xiàn)
6.3本章小結(jié)
第7章總結(jié)與展望
7.1研究工作總結(jié)
7.2未來(lái)研究展望
參考文獻(xiàn)