欧美精品aaaaaaaaa片,丁香婷婷精品五月天

內(nèi)容簡介

　　本書介紹了解決信息過載問題常用的兩種技術(shù)：引擎和搜索引擎。為了有效提高和搜索的度，融合多源異構(gòu)數(shù)據(jù)成為重要手段，不同來源和不同結(jié)構(gòu)的數(shù)據(jù)含有不同的語義信息，數(shù)據(jù)的融合為和搜索提供了豐富的語義，有效提高了推薦和檢索的度。本書基于作者團隊多年的研究成果，介紹了推薦和檢索領(lǐng)域的發(fā)展、常用的技術(shù)和算法，提出了融合多源異構(gòu)數(shù)據(jù)的模型、跨模態(tài)的檢索模型。本書的內(nèi)容反映了本領(lǐng)域的發(fā)展。本書可供研究融合多源異構(gòu)數(shù)據(jù)技術(shù)、個性化推薦技術(shù)、跨模態(tài)檢索技術(shù)的科研人員、公司研發(fā)人員、高等院校研究生閱讀參考。

作者簡介

暫缺《融合多源異構(gòu)數(shù)據(jù)的推薦與檢索》作者簡介

圖書目錄

第1章緒論
1.1 與檢索
1.1.1
1.1.2 檢索
1.2 多源異構(gòu)數(shù)據(jù)融合的優(yōu)勢與挑戰(zhàn)
1.2.1 基于的多源異構(gòu)數(shù)據(jù)融合的優(yōu)勢與挑戰(zhàn)
1.2.2 基于檢索的多源異構(gòu)數(shù)據(jù)融合的優(yōu)勢與挑戰(zhàn)
1.3 本章小結(jié)
第2章與檢索技術(shù)
2.1 技術(shù)
2.1.1 基于內(nèi)容的
2.1.2 協(xié)同過濾
2.1.3 基于深度學習的
2.1.4 系統(tǒng)評價指標
2.1.5 基于評測方法的評價指標
2.2 檢索技術(shù)
2.2.1 基于文本的檢索
2.2.2 基于內(nèi)容的檢索
2.2.3 基于語義的檢索
2.2.4 基于上下文的檢索
2.2.5 基于示例的檢索
2.2.6 多模態(tài)跨模態(tài)檢索
2.2.7 個性化檢索
2.3 本章小結(jié)
第3章個性化推薦與檢索
3.1 基于內(nèi)容的個性化圖像與檢索
3.1.1 用戶興趣獲取
3.1.2 用戶興趣表示
3.1.3 個性化實現(xiàn)
3.2 基于協(xié)同過濾的個性化圖像與檢索
3.2.1 基于用戶的協(xié)同過濾
3.2.2 基于物品的協(xié)同過濾
3.2.3 基于模型的協(xié)同過濾
3.3 個性化圖像與檢索方法對比
3.4 本章小結(jié)
第4章基于傳統(tǒng)機器學習的多源異構(gòu)數(shù)據(jù)推薦模型
4.1 問題描述
4.2 相關(guān)算法
4.2.1 Word2Vector
4. 2.2 Online LDA
4.2.3 CNM
4.2.4 CoDA
4.3 流程
4.4 模型
4.4.1 評論特征提取
4.4.2 社區(qū)發(fā)現(xiàn)
4.4.3 模型訓練
4.4.4 特征混合
4.4.5 預測和評價
4.5 Spark實現(xiàn)