0人評分過此書
個性化推薦能夠根據用戶的歷史行為顯式或者隱式地挖掘用戶潛在的興趣和需求,並為其推送個性化訊息,因此受到研究者的追捧及工業界的青睞,其研究具有重大的學術價值及商業應用價值,已廣泛應用於大型電子商務平台、社交平台、新聞客戶端以及其他各類旅遊和娛樂類網站中。
本書內容豐富,較全面地介紹了基於協同過濾的推薦系統存在的問題、解決方法和評估策略,主要內容涉及協同過濾推薦算法中的時序技術、矩陣分解技術和社交網路信任技術等知識。
本書可供從事推薦系統、人工智慧、機器學習、模式識別和訊息檢索等領域的科學研究人員及研究生閱讀、參考。
本書內容豐富,較全面地介紹了基於協同過濾的推薦系統存在的問題、解決方法和評估策略,主要內容涉及協同過濾推薦算法中的時序技術、矩陣分解技術和社交網路信任技術等知識。
本書可供從事推薦系統、人工智慧、機器學習、模式識別和訊息檢索等領域的科學研究人員及研究生閱讀、參考。
- 出版地 : 臺灣
- 語言 : 繁體中文
評分與評論
請登入後再留言與評分