本书除了介绍**系统的一般框架、典型应用和评测方法之外,还主要介绍各种典型**算法的思想、原理、算法设计和应用场景,包括针对“千人千面”的个性化**和针对“千人万面”的情境化**。此外,本书还包含一些和**系统相关的专题内容,如针对排序问题的排序学习和针对信息融合的异质信息网络模型。 本书可作为计算机科学与技术、软件工程、数据科学与大数据技术、人工智能等专业的高年级本科生和研究生的相关课程教材,也可作为从事**系统、搜索引擎、数据挖掘等研发工作相关人员的参考书。

目录目录前言 第1章概述1 1.1**系统简介1 1.1.1信息超载1 1.1.2长尾效应2 1.1.3**系统的价值3 1.2**系统的发展历史3 1.3个性化**4 1.3.1用户画像4 1.3.2项目画像6 1.4应用场景6 1.4.1电商6 1.4.2新闻6 1.4.3音乐8 1.5**系统框架与形式化定义9 1.6**算法分类9 1.6.1基于算法思想的分类10 1.6.2基于应用问题的分类12 习题13 第2章基于邻域的协同过滤14 2.1协同过滤简介14 2.1.1基本思想14 2.1.2算法分类15 2.1.3一般流程15 2.2基于用户的协同过滤16 2.2.1TopN**17 2.2.2评分预测19 2.3基于项目的协同过滤22 2.3.1TopN**22 2.3.2评分预测24 2.4基于距离的相似度度量26 2.5Slope One算法27 2.6基于二部图的协同过滤28 2.6.1激活扩散模型29 2.6.2物质扩散模型30 2.6.3热传导模型33 习题35 第3章基于模型的协同过滤36 3.1基于关联规则的协同过滤36 3.1.1基本概念37 3.1.2关联规则度量37 3.1.3Apriori关联规则挖掘算法38 3.1.4关联规则的相关分析39 3.2基于矩阵分解的评分预测41 3.2.1奇异值分解41 3.2.2隐语义模型43 3.2.3概率矩阵分解47 3.2.4SVD++模型50 3.3基于矩阵分解的TopN**51 3.3.1基于正样本过采样的矩阵分解51 3.3.2基于负样本欠采样的矩阵分解52 习题53 第4章基于内容和知识的**54 4.1基于内容的**系统框架54 4.2基于词向量空间模型的文本表示56 4.2.1词袋模型56 4.2.2TFIDF模型57 4.2.3模型改进58 4.2.4余弦相似度58 4.3基于语义的内容相似度59 4.3.1基于本体的文本相似度59 4.3.2基于网络知识的文本相似度60 4.3.3基于语料库的文本相似度62 4.4基于知识的**63 4.4.1基于约束的**63 4.4.2基于效用的**65 4.4.3���于实例的**66 习题68 第5章混合**系统69 5.1混合**实例——Netflix百万美金公开赛69 5.2混合/组合**的动机71 5.2.1实践经验71 5.2.2理论依据72 5.3混合/组合方法分类73 5.3.1有监督组合和无监督组合73 5.3.2并行式混合、串行式混合和整体式混合74 5.4并行式混合**75 5.4.1加权式混合75 5.4.2切换式混合76 5.4.3排序混合77 5.5串行式混合**78 5.5.1级联过滤78 5.5.2级联学习79 5.6整体式混合**80 5.6.1特征组合80 5.6.2特征扩充80 5.6.3基于图模型的混合81 习题82 第6章**系统评测83 6.1评测视角83 6.2实验方法84 6.2.1在线实验84 6.2.2用户调查85 6.2.3离线实验85 6.3评分预测评价指标86 6.3.1MAE和MSE87 6.3.2RMSE、NMAE和NRMSE87 6.4TopN**评价指标87 6.4.1分类准确度指标88 6.4.2ROC曲线和AUC值90 6.4.3基于排序的评价指标91 6.4.4其他常用评价指标93 6.5公开实验数据集94 习题96 第7章基于排序学习的**97 7.1排序学习模型分类97 7.2对级排序学习模型99 7.2.1基本框架99 7.2.2贝叶斯个性化排序100 7.2.3协同对级排序学习102 7.3列表级排序学习模型106 7.3.1PPush CR算法107 7.3.2CofiRank算法108 习题110 第8章基于情境感知的**111 8.1情境信息的定义111 8.2情境信息的获取113 8.3基于情境感知的**系统框架113 8.3.1数据立方体114 8.3.2基于树的层次信息表达115 8.4融合情境信息的**模型116 8.4.1情境预过滤117 8.4.2情境后过滤118 8.5情境建模118 8.5.1基于邻域的方法119 8.5.2基于模型的方法120 习题121 第9章基于时空信息的**122 9.1基于时间信息的**122 9.1.1*近*热门**算法123 9.1.2基于时间的项目协同过滤123 9.1.3基于时间的用户协同过滤124 9.1.4基于会话的**125 9.2基于序列感知的**126 9.2.1基于马尔可夫模型的序列预测127 9.2.2基于循环神经网络的序列预测130 9.3基于空间信息的**132 9.3.1位置信息的获取与推理132 9.3.2基于位置信息的**133 9.3.3融合其他信息的**134 习题135 第10章基于社交关系的**136 10.1社交关系数据136 10.2基于邻域的社交化**138 10.2.1基于用户的协同过滤138 10.2.2基于图扩散的**139 10.3基于模型的社交化**141 10.3.1基于潜在社交因子学习的**141 10.3.2基于显式社交关系的**143 10.4基于社会曝光的协同过滤146 习题148 第11章基于异质信息网络的**149 11.1基本概念149 11.2基于邻域的HIN**算法150 11.2.1基于随机游走的相关度度量150 11.2.2基于元路径的相关度度量151 11.2.3基于元路径和随机游走混合的相关度度量154 11.3基于模型的HIN**算法155 11.3.1两阶段融合模型155 11.3.2端到端的学习模型160 习题163 参考文献164