书目信息 |
| 题名： |
推荐算法及应用
|
|
| 作者： | 高华玲 主编 | |
| 分册： | ||
| 出版信息： | 北京 北京邮电大学出版社 2021 |
|
| 页数： | 170页 | |
| 开本： | 26cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | O212.4 | |
| 科图分类： | ||
| 主题词： | 聚类分析--分析方法--高等学校--教材 | |
| 电子资源： | ||
| ISBN： | 978-7-5635-6250-3 | |
| 000 | 01317nam0 2200265 450 | |
| 001 | 132686256 | |
| 005 | 20130101004526.57 | |
| 010 | @a978-7-5635-6250-3@dCNY58.00 | |
| 035 | @a(A100000NLC)011127719 | |
| 049 | @aA100000NLC@bUCS01010541800@c011127719@dNLC01 | |
| 100 | @a20210415d2021 em y0chiy0110 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aa z 000yy | |
| 200 | 1 | @a推荐算法及应用@9tui jian suan fa ji ying yong@b专著@f高华玲主编 |
| 210 | @a北京@c北京邮电大学出版社@d2021 | |
| 215 | @a170页@c图@d26cm | |
| 300 | @a人工智能系列规划教材 | |
| 300 | @a全国高等院校计算机基础教育研究会重点立项项目 | |
| 330 | @a本书共11章。前6章是理论部分，首先，介绍推荐算法的概念、研究历史、基本的分类和应用领域。其次，介绍基于内容的推荐算法、基于用户的协同过滤推荐算法、基于物品的协同过滤推荐算法和基于矩阵分解的协同过滤推荐算法。再次，讲解基于深度学习的推荐算法的应用理论。最后，介绍混合推荐算法的概念、常见的预测模型和排序模型，以及推荐算法的评估方法。后5章是实践部分，在基于内容的推荐、基于用户的协同过滤推荐、基于物品的协同过滤推荐、基于矩阵分解的推荐、基于深度学习的推荐5个方面设计了推荐算法应用的整个过程。 | |
| 606 | 0 | @a聚类分析@x分析方法@x高等学校@j教材 |
| 690 | @aO212.4@v5 | |
| 701 | 0 | @a高华玲@9gao hua ling@c(女，@f1980-)@4主编 |
| 801 | 2 | @aCN@bOLCC@c20210812 |
| 905 | @a241250@dO212.4@e11 | |
| 推荐算法及应用/高华玲主编.-北京：北京邮电大学出版社，2021 |
| 170页：图；26cm |
| 人工智能系列规划教材.-全国高等院校计算机基础教育研究会重点立项项目 |
| ISBN 978-7-5635-6250-3：CNY58.00 |
| 本书共11章。前6章是理论部分，首先，介绍推荐算法的概念、研究历史、基本的分类和应用领域。其次，介绍基于内容的推荐算法、基于用户的协同过滤推荐算法、基于物品的协同过滤推荐算法和基于矩阵分解的协同过滤推荐算法。再次，讲解基于深度学习的推荐算法的应用理论。最后，介绍混合推荐算法的概念、常见的预测模型和排序模型，以及推荐算法的评估方法。后5章是实践部分，在基于内容的推荐、基于用户的协同过滤推荐、基于物品的协同过滤推荐、基于矩阵分解的推荐、基于深度学习的推荐5个方面设计了推荐算法应用的整个过程。 |
| ● |
| 相关链接 |
正题名：推荐算法及应用
索取号：O212.4/11
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1944049 | 219440497 | 样本书库/ [索取号:O212.4/11] | 在馆 | |
| 2 | 1944050 | 219440503 | 理科库/ [索取号:O212.4/11] | 在馆 | |
| 3 | 1944051 | 219440512 | 理科库/ [索取号:O212.4/11] | 在馆 |