信息推荐系统 第二版PDF电子书下载

查看更多关于的内容

第1章 信息推荐系统概述 1

1.1 网络信息资源及获取服务模式 1

1.1.1 网络信息资源 2

1.1.2 信息获取服务模式 3

1.2 基于“信息推送”模式的信息推荐系统 9

1.2.1 信息推荐系统的概念与通用模型 9

1.2.2 信息推荐系统与个性化信息服务 12

1.2.3 信息推荐系统的研究内容 15

1.2.4 信息推荐系统的分类 17

1.2.5 信息推荐系统的发展现状和实例 19

1.3 信息推荐系统的应用领域和研究热点 22

1.3.1 信息推荐系统的应用领域 22

1.3.2 信息推荐系统的研究热点 25

参考文献 27

第2章 信息推荐系统技术 31

2.1 信息推荐系统的基本技术 31

2.1.1 信息检索和信息过滤 31

2.1.2 数据挖掘技术 34

2.1.3 信息推荐算法概述 36

2.2 基于深度学习的推荐系统 43

2.2.1 问题的提出 43

2.2.2 深度学习技术 44

2.2.3 基于深度学习的推荐模型和方法 50

本章小结 61

参考文献 62

第3章 信息内容过滤推荐系统 68

3.1 引言 68

3.2 内容过滤推荐系统的相关技术 71

3.2.1 信息检索模型 71

3.2.2 文本特征抽取 73

3.3 内容过滤推荐系统的模型和算法 75

3.3.1 内容过滤推荐系统的模型 76

3.3.2 基于向量空间模型匹配的信息推荐算法 78

3.3.3 基于朴素贝叶斯分类的信息推荐算法 81

3.4 内容过滤推荐的用户兴趣建模 83

3.4.1 问题的提出 83

3.4.2 理论基础 84

3.4.3 研究设计 85

3.4.4 数据采集与处理 87

3.4.5 实验 89

本章小结 93

参考文献 94

第4章 信息协同过滤推荐系统 97

4.1 引言 97

4.2 基于内存的信息协同过滤推荐 101

4.2.1 基于用户的信息协同过滤 101

4.2.2 基于项目的信息协同过滤 106

4.3 基于模型的信息协同过滤推荐 109

4.3.1 基于降维技术的协同过滤推荐 109

4.3.2 基于聚类的协同过滤推荐 111

4.3.3 基于Bayesian的协同过滤推荐 114

4.4 移动环境下基于隐式评分的博客推荐 115

4.4.1 问题的提出 115

4.4.2 相关工作 116

4.4.3 隐式评分的计算方法 117

4.4.4 基于隐式评分的协同过滤推荐算法 119

4.4.5 实验及结果分析 120

本章小结 123

参考文献 124

第5章 基于Web挖掘的商品信息推荐系统 126

5.1 问题的提出 126

5.2 点击流相关理论和技术 128

5.2.1 点击流概述 128

5.2.1 基于点击流的商品信息个性化推荐服务 130

5.3 Web挖掘技术 131

5.3.1 Web挖掘概述 131

5.3.2 Web挖掘与商品信息推荐系统 136

5.4 基于Web挖掘的商品信息推荐模型 137

5.4.1 商品信息推荐系统的体系结构 137

5.4.2 商品分类树 138

5.4.3 基于点击流的顾客偏好分析 140

5.4.4 基于点击流的商品关联规则挖掘 141

5.4.5 商品信息推荐算法 143

5.5 商品信息推荐的实验及结果分析 145

本章小结 147

参考文献 148

第6章 社会化信息推荐系统 150

6.1 社会化信息推荐概述 151

6.1.1 社会化信息推荐的概念 151

6.1.2 社会化信息推荐的研究现状 152

6.1.3 社会化信息推荐的基本模型 154

6.2 基于主题的科技文献社会化信息推荐 155

6.2.1 问题的提出 156

6.2.2 科技文献个性化推荐系统框架 157

6.2.3 基于社会网络分析的个性化推荐建模 159

6.2.4 基于社会网络的科技文献个性化推荐框架与流程 165

6.3 知识网络社区中基于声誉的社会化信息推荐 167

6.3.1 问题的提出 167

6.3.2 基于用户信任的评分调节 168

6.3.3 用户与项目的声誉评估 170

6.3.4 基于声誉的社会化协同过滤推荐原理及算法 172

6.3.5 实验结果与分析 174

本章小结 176

参考文献 176

第7章 基于情境感知的信息推荐系统 180

7.1 情境感知信息推荐的提出 181

7.1.1 情境感知推荐——个性化信息服务新模式 181

7.1.2 情境感知推荐的研究现状 182

7.2 融合多种情境的信息多维推荐服务模型 185

7.2.1 情境信息识别获取与语义描述方法研究 185

7.2.2 信息资源多维推荐服务模型 186

7.2.3 基于情境感知的信息资源推荐算法 187

7.2.4 信息多维推荐服务的系统体系结构 191

7.3 基于情境感知的个性化信息协同推荐 192

7.3.1 基于情境感知的协同过滤推荐 193

7.3.2 实验及结果分析 198

7.4 基于情境感知的个性化移动阅读推荐 199

7.4.1 基于情境条件熵的情境影响度 200

7.4.2 情境感知的移动阅读个性化信息推荐 203

7.4.3 实验及结果分析 206

本章小结 208

参考文献 209

第8章 基于用户画像的信息推荐系统 212

8.1 用户画像 212

8.1.1 用户画像的概述 212

8.1.2 用户画像的构成 213

8.1.3 用户画像的构建流程 216

8.1.4 用户画像的分类 218

8.2 用户画像的研究现状 219

8.2.1 基于主题的用户画像方法 219

8.2.2 基于本体的用户画像方法 220

8.2.3 基于兴趣的用户画像方法 221

8.2.4 基于行为的用户画像方法 222

8.3 基于用户画像的信息推荐服务 224

8.3.1 基于用户画像的信息推荐——个性化推荐研究的新视角 224

8.3.2 基于用户画像的信息推荐服务模型 225

8.3.3 融合用户画像的推荐系统体系结构 230

8.4 基于用户画像的电影个性化推荐 232

8.4.1 基于用户画像的电影推荐系统模型 232

8.4.2 电影用户画像建模 233

8.4.3 基于用户画像的协同过滤推荐 235

8.4.4 实验及结果分析 240

8.5 基于用户画像的移动数字图书馆多情境信息推荐 242

8.5.1 移动数字图书馆用户画像建模 243

8.5.2 移动数字图书馆用户画像构建 246

8.5.3 融合画像的协同过滤推荐方法 248

8.5.4 实验及结果分析 252

本章小结 254

参考文献 255

第9章 智慧图书馆信息推荐服务 258

9.1 智慧图书馆与智慧服务 258

9.1.1 智慧图书馆 259

9.1.2 智慧服务 261

9.2 智慧图书馆个性化信息推荐服务体系及保障模式 261

9.2.1 智慧图书馆个性化推荐智慧服务需求 261

9.2.2 基于智慧知识服务的智慧图书馆个性化推荐模型体系构建 263

9.2.3 图书馆个性化推荐系统智慧服务模式保障 266

9.3 基于情境感知的智慧图书馆个性化推荐服务 268

9.3.1 情境感知和智慧图书馆 269

9.3.2 基于情境感知的智慧图书馆个性化推荐模型 271

9.3.3 基于情境感知的智慧图书馆个性化推荐体系结构 274

9.3.4 智慧图书馆推荐服务应解决的关键问题 276

9.4 基于SoLoMo模式的智慧图书馆嵌入式信息推荐 278

9.4.1 嵌入式服务 278

9.4.2 SoLoMo模式 279

9.4.3 基于SoLoMo模式的嵌入式信息推荐服务需求 279

9.4.4 基于SoLoMo模式的嵌入式信息推荐服务模型 280

9.4.5 基于SoLoMo模式的嵌入式信息推荐体系结构 282

9.4.6 应解决的关键问题 285

9.5 面向泛在学习的嵌入式信息推荐 287

9.5.1 面向泛在学习的嵌入式推荐服务的定位 287

9.5.2 面向泛在学习的嵌入式推荐服务模式 289

9.5.3 面向泛在学习的嵌入式推荐服务的保障机制 294

本章小结 299

参考文献 299

查看更多关于的内容