国产av无码精品,亚洲欧美丝袜亚洲精品图区,无码久久精品国产亚洲Av影片

內(nèi)容簡介

　　信息推薦系統(tǒng)是解決大數(shù)據(jù)環(huán)境下互聯(lián)網(wǎng)應(yīng)用過程出現(xiàn)“信息過載”問題非常有潛力的方法?！缎畔⑼扑]系統(tǒng)（第2版）》根據(jù)國內(nèi)外信息推薦系統(tǒng)的發(fā)展?fàn)顩r，并以作者的科研成果為基礎(chǔ)，較為系統(tǒng)地介紹了信息推薦系統(tǒng)的原理、技術(shù)和應(yīng)用，為用戶提供個性化的信息推薦服務(wù)?！缎畔⑼扑]系統(tǒng)（第2版）》首先介紹信息推薦系統(tǒng)的基礎(chǔ)知識，包括信息推薦系統(tǒng)概述和信息推薦系統(tǒng)的相關(guān)技術(shù)，并分別介紹了信息推薦系統(tǒng)的兩種主要類型，即信息內(nèi)容過濾推薦系統(tǒng)和信息協(xié)同過濾推薦系統(tǒng)。在此基礎(chǔ)上，《信息推薦系統(tǒng)（第2版）》對信息推薦系統(tǒng)的研究熱點(diǎn)進(jìn)行探討，包括基于Web挖掘的商品信息推薦系統(tǒng)、社會化信息推薦系統(tǒng)、基于情境感知的信息推薦系統(tǒng)和基于用戶畫像的信息推薦系統(tǒng)。最后，《信息推薦系統(tǒng)（第2版）》面向智慧圖書館領(lǐng)域，融合信息推薦系統(tǒng)的理論和方法，從不同視角闡述智慧圖書館個性化信息推薦服務(wù)，為讀者在泛在環(huán)境下不同類型的場景活動提供互聯(lián)、高效和便利的嵌入式推薦服務(wù)。《信息推薦系統(tǒng)（第2版）》反映了信息推薦系統(tǒng)領(lǐng)域新的研究成果，論述強(qiáng)調(diào)系統(tǒng)性、前沿性，內(nèi)容豐富，圖文并茂，可讀性強(qiáng)，有較高的學(xué)術(shù)價值?！缎畔⑼扑]系統(tǒng)（第2版）》適合于從事信息管理和應(yīng)用、信息系統(tǒng)設(shè)計與開發(fā)、企業(yè)信息系統(tǒng)相關(guān)領(lǐng)域的廣大工程技術(shù)人員和管理人員參考，同時也可作為信息管理與信息系統(tǒng)、數(shù)據(jù)科學(xué)、計算機(jī)應(yīng)用、電子商務(wù)等專業(yè)高年級本科生、研究生及高校教師的教學(xué)參考書。

作者簡介

　　曾子明，男，1977年生，博士，博士后，教授，博士生導(dǎo)師，武漢大學(xué)信息資源研究中心研究員，入選為武漢大學(xué)“351人才計劃”之珞珈青年學(xué)者。先后主持國家社會科學(xué)基金重大項目子課題、國家自然科學(xué)基金面上項目、國家自然科學(xué)基金青年項目、教育部人文社科重點(diǎn)研究基地重大項目、教育部人文社科研究項目、中國博士后科學(xué)基金、湖北省教育廳人文社科研究項目和企業(yè)委托項目等項目，參與教育部人文社會科學(xué)重點(diǎn)研究基地重大項目、香港特區(qū)自然科學(xué)基金研究項目、國家自然科學(xué)基金項目等。近年來，在國內(nèi)外核心期刊和重要國際學(xué)術(shù)會議上發(fā)表論文80余篇，其中多篇論文被SOI、EI、CSSCI等重要檢索機(jī)構(gòu)收錄，兼任國家自然科學(xué)基金通訊評審專家、教育部學(xué)位中心博士學(xué)位論文抽檢通訊評議專家以及國內(nèi)多家期刊審稿專家，同時兼任國內(nèi)外多個學(xué)術(shù)期刊的審稿專家。

圖書目錄

第1章信息推薦系統(tǒng)概述
1．1 網(wǎng)絡(luò)信息資源及獲取服務(wù)模式
1．1．1 網(wǎng)絡(luò)信息資源
1．1．2 信息獲取服務(wù)模式
1．2 基于“信息推送”模式的信息推薦系統(tǒng)
1．2．1 信息推薦系統(tǒng)的概念與通用模型
1．2．2 信息推薦系統(tǒng)與個性化信息服務(wù)
1．2．3 信息推薦系統(tǒng)的研究內(nèi)容
1．2．4 信息推薦系統(tǒng)的分類
1．2．5 信息推薦系統(tǒng)的發(fā)展現(xiàn)狀和實例
1．3 信息推薦系統(tǒng)的應(yīng)用領(lǐng)域和研究熱點(diǎn)
1．3．1 信息推薦系統(tǒng)的應(yīng)用領(lǐng)域
1．3．2 信息推薦系統(tǒng)酊研究熱點(diǎn)
參考文獻(xiàn)
第2章信息推薦系統(tǒng)技術(shù)
2．1 信息推薦系統(tǒng)的基本技術(shù)
2．1．1 信息檢索和信息過濾
2．1．2 數(shù)據(jù)挖掘技術(shù)
2．1．3 信息推薦算法概述
2．2 基于深度學(xué)習(xí)的推薦系統(tǒng)
2．2．1 問題的提出
2．2．2 深度學(xué)習(xí)技術(shù)
2．2．3 基于深度學(xué)習(xí)的推薦模型和方法
本章小結(jié)
參考文獻(xiàn)
第3章信息內(nèi)容過濾推薦系統(tǒng)
3．1 引言
3．2 內(nèi)容過濾推薦系統(tǒng)的相關(guān)技術(shù)
3．2．1 信息檢索模型
3．2．2 文本特征抽取
3．3 內(nèi)容過濾推薦系統(tǒng)的模型和算法
3．3．1 內(nèi)容過濾推薦系統(tǒng)的模型
3．3．2 基于向量空間模型匹配的信息推薦算法
3．3．3 基于樸素貝葉斯分類的信息推薦算法
3．4 內(nèi)容過濾推薦的用戶興趣建模
3．4．1 問題的提出
3．4．2 理論基礎(chǔ)
3．4．3 研究設(shè)計
3．4．4 數(shù)據(jù)采集與處理
3．4．5 實驗
本章小結(jié)
參考文獻(xiàn)
第4章信息協(xié)同過濾推薦系統(tǒng)
4．1 引言
4．2 基于內(nèi)存的信息協(xié)同過濾推薦
4．2．1 基于用戶的信息協(xié)同過濾
4．2．2 基于項目的信息協(xié)同過濾
4．3 基于模型的信息協(xié)同過濾推薦
4．3．1 基于降維技術(shù)的協(xié)同過濾推薦
4．3．2 基于聚類的協(xié)同過濾推薦
……
第5章基于Web挖掘的商品信息推薦系統(tǒng)
第6章社會化信息推薦系統(tǒng)
第7章基于情境感知的信息推薦系統(tǒng)
第8章基于用戶畫像的信息推薦系統(tǒng)
第9章智慧圖書館信息推薦服務(wù)