智能推薦技術(shù)

第1章 概述
1．1 推薦技術(shù)簡(jiǎn)介
1．2 推薦問(wèn)題分類
1．3 數(shù)學(xué)基礎(chǔ)知識(shí)
1．3．1 線性代數(shù)
1．3．2 概率論
1．3．3 神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
1．4 常用數(shù)據(jù)集和驗(yàn)證方法
1．4．1 常用數(shù)據(jù)集
1．4．2 驗(yàn)證方法
1．5 常用評(píng)價(jià)指標(biāo)
1．5．1 面向評(píng)分預(yù)測(cè)的評(píng)價(jià)指標(biāo)
1．5．2 面向物品排序的評(píng)價(jià)指標(biāo)
1．6 深度學(xué)習(xí)平臺(tái)簡(jiǎn)介
1．7 本章小結(jié)
1．8 參考文獻(xiàn)
1．9 習(xí)題
第2章 基于顯式反饋的評(píng)分預(yù)測(cè)
2．1 協(xié)同過(guò)濾（CF）問(wèn)題
2．2 基于均值填充的方法
2．2．1 預(yù)測(cè)公式
2．2．2 討論
2．3 基于鄰域的方法
2．3．1 基于用戶的協(xié)同過(guò)濾
2．3．2 基于物品的協(xié)同過(guò)濾
2．3．3 混合協(xié)同過(guò)濾
2．3．4 討論
2．4 基于矩陣分解的方法
2．4．1 概率矩陣分解
2．4．2 改進(jìn)的奇異值分解
2．4．3 結(jié)合多類偏好上下文的矩陣分解
2．4．4 因子分解機(jī)
2．5 基于深度學(xué)習(xí)的方法
2．5．1 受限玻爾茲曼機(jī)
2．5．2 自編碼器
2．6 本章小結(jié)
2．7 參考文獻(xiàn)
2．8 習(xí)題
第3章 基于顯式反饋的物品排序
3．1 協(xié)同排序（CR）問(wèn)題
3．2 粗精遷移排序
3．2．1 模型介紹
3．2．2 算法流程
3．2．3 代碼實(shí)現(xiàn)
3．2．4 實(shí)驗(yàn)設(shè)置
3．2．5 討論
3．3 上下文感知協(xié)同排序
3．3．1 模型介紹
3．3．2 算法流程
3．3．3 代碼實(shí)現(xiàn)
3．3．4 實(shí)驗(yàn)設(shè)置
3．3．5 討論
3．4 整全遷移排序
3．4．1 模型介紹
3．4．2 基于模型的整全遷移排序
3．4．3 基于鄰域的整全遷移排序
3．4．4 代碼實(shí)現(xiàn)
3．4．5 實(shí)驗(yàn)設(shè)置
3．4．6 討論
3．5 本章小結(jié)
3．6 參考文獻(xiàn)
3．7 習(xí)題
第4章 基于隱式反饋的物品排序
4．1 單類協(xié)同過(guò)濾（OCCF）問(wèn)題
4．2 基于熱度的方法
……
第5章 基于異構(gòu)反饋的評(píng)分預(yù)測(cè)
第6章 基于異構(gòu)反饋的物品排序
第7章 單行為序列推薦
第8章 多行為序列推薦
第9章 跨用戶聯(lián)邦推薦
第10章 跨組織聯(lián)邦推薦
第11章 總結(jié)與展望
附錄A 學(xué)術(shù)期刊論文數(shù)量統(tǒng)計(jì)
附錄B 學(xué)術(shù)會(huì)議論文數(shù)量統(tǒng)計(jì)
附錄C 推薦系統(tǒng)國(guó)際會(huì)議研究話題
附錄D 推薦系統(tǒng)國(guó)際會(huì)議研討會(huì)主題
附錄E 中英文術(shù)語(yǔ)對(duì)照表
后記
致謝