推荐系统[试读]
第一章:引 言
大多数互联网用户或多或少都遇到过推荐系统。设想一下,一个朋友向你推荐了一本新书,你随后访问了自己最喜欢的在线书店。输入完这本书的书名后,它出现在了一列返回结果中。网页上可能还有个写着“买了这本书的顾客也会买”的区域,列出另外一些你可能感兴趣的书。如果你是这家在线书店的常客,那么当你登录书店的时候就会自动出现一组个性化推荐。决定哪些书应该展现给哪个特定用户的软件系统就是推荐系统。 用这个在线书店示例来讨论这种软件系统的其他方面也很有用。首先,请注意我们在讨论个性化推荐,换句话说,每个访问者由于其个人偏好不同会看到不同的列表。相对而言,许多其他在线商店或新闻门户提示你的,可能只是它们的畅销商品或... 查看全部[ 第一章:引 言 ]
第二章:协同过滤推荐
协同过滤推荐方法的主要思想是,利用已有用户群过去的行为或意见预测当前用户最可能喜欢哪些东西或对哪些东西感兴趣。此类型的系统已经在业界广为使用,主要作为在线零售系统对某个顾客需求个性化定制内容的工具,由此可以促销商品和提升销售额。 从研究角度来看,人们探索此类型的系统已经很多年了,它们的优势、性能和局限也都广为人知。这么多年来,人们提出了各种算法和技术,而且在实际环境和人工测试数据上得以成功验证。 纯粹的协同方法的输入数据只有给定的用户—物品评分矩阵,输出数据一般有以下几种类型:(1) 表示当前用户对物品喜欢或不喜欢程度的预测数值;(2) n项推荐物品的列表。当然,这个top-N列表不会包含... 查看全部[ 第二章:协同过滤推荐 ]
前言
“我该买哪款数码相机?我们全家要在哪儿度过最完美的假期?对孩子教育的最佳投资是什么?我该租哪部电影?我会对哪些网站感兴趣?我下次休假时该买哪本书看?哪个学位和大学对我的前途最有利?” 人们在决定该如何花钱,或者更宽泛地说,如何对未来做出决策时都会提出这样的问题,类似的例子还有很多。 传统上,人们用过各种各样的方法来解决这些决策问题:找朋友聊聊、从可信的第三方获取信息、雇用专家团队、在互联网上咨询、使用决策论的各种方法(如果他想更理性些)、凭直觉或是索性随大流。 然而,几乎每个人都有过这样的经历:推销员大献殷勤的建议并不那么有用;凭感觉跟着富人邻居投资,却没有真正给我们带来收益;无休止地花... 查看全部[ 前言 ]
书名: 推荐系统
作者:
出版社: 人民邮电出版社
原作名: Recommender systems:An introduction
译者: 蒋 凡 | Markus Zanker | Alexander Felfernig | Gerhard Friedrich
出版年: 2013-6-25
页数: 244
定价: 59.00元
装帧: 平装
ISBN: 9787115310699