推荐系统进展:方法与技术【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

推荐系统进展:方法与技术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 推荐系统1

1.1 推荐系统的简介1

1.2 推荐系统的挑战4

1.2.1 数据端的挑战4

1.2.2 模型端的挑战6

1.2.3 评估端的挑战8

1.3 LibRec开源库11

1.3.1 LibRec简介11

1.3.2 LibRec框架12

1.3.3 LibRec安装20

1.4 协同过滤算法22

1.4.1 基于内存的推荐算法23

1.4.2 基于模型的推荐算法31

1.4.3 推荐算法的测试评估37

参考文献43

第2章 用户反馈44

2.1 传统评分反馈44

2.1.1 相似度测量44

2.1.2 贝叶斯相似度47

2.1.3 相似度分析53

2.1.4 实验评估56

2.2 前置评分反馈68

2.2.1 前置评分69

2.2.2 用户调查72

2.2.3 PRCF模型79

2.2.4 要点讨论84

2.3 异质隐式反馈84

2.3.1 辅助反馈85

2.3.2 BPRH模型86

2.3.3 GcBPR模型93

2.3.4 要点讨论100

参考文献101

第3章 社会化推荐系统103

3.1 社会化推荐系统简介103

3.1.1 评分预测算法104

3.1.2 物品推荐算法106

3.1.3 远景与挑战107

3.2 社交感知的最近邻模型108

3.2.1 Merge模型108

3.2.2 案例与分析113

3.2.3 实验评估116

3.3 多视图聚类的推荐模型121

3.3.1 多视图聚类122

3.3.2 SVR回归预测127

3.3.3 冷启动用户129

3.3.4 实验评估131

3.4 社交增强的矩阵分解模型137

3.4.1 信任分析137

3.4.2 TrustSVD模型141

3.4.3 FST模型150

参考文献159

第4章 信任计算161

4.1 基本信任模型161

4.1.1 认知信任161

4.1.2 信任度量162

4.1.3 实验评估166

4.2 扩展的信任因子框架模型170

4.2.1 TAF模型170

4.2.2 ETAF模型171

4.2.3 实验评估176

4.3 多因子信任模型181

4.3.1 信任框架182

4.3.2 信任精化183

4.3.3 实验评估186

4.4 非线性信任模型191

4.4.1 TrustNCF模型191

4.4.2 模型分析196

4.4.3 实验评估197

参考文献200

第5章 情景感知推荐202

5.1 类别感知推荐模型202

5.1.1 类别与偏好分析204

5.1.2 类别感知推荐207

5.1.3 实验评估212

5.2 评论感知推荐模型217

5.2.1 评论感知推荐概述218

5.2.2 ADR模型219

5.2.3 实验评估222

5.3 地理感知推荐模型226

5.3.1 地理与偏好分析227

5.3.2 GeoBPR模型228

5.3.3 实验评估231

5.4 时间感知推荐模型234

5.4.1 时间与偏好分析235

5.4.2 PCCF模型240

5.4.3 实验评估245

参考文献248