扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
机器学习:因子分解机模型与推荐系统 版权信息
- ISBN：9787030601452
- 条形码：9787030601452 ; 978-7-03-060145-2
- 装帧：暂无
- 册数：暂无
- 重量：暂无
- 所属分类：>
机器学习:因子分解机模型与推荐系统 本书特色
因子分解机模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测准确度和计算效率，在广告点击率预测和推荐系统领域被广泛研究和应用。《机器学习 : 因子分解机模型与推荐系统》对因子分解机模型及其相关模型的研究进展进行综述，阐述该模型的灵活性和普适性，对模型中有待深入研究的难点、热点及发展趋势进行展望。结合研究成果，进一步对该模型进行扩展，并将此扩展后的模型应用于时尚电商领域的推荐任务。提出大数据环境下时尚电商推荐系统框架、研究内容、关键问题，以及可以采用的相关技术，*后通过一个实例验证方案的可行性。
机器学习:因子分解机模型与推荐系统 内容简介
因子分解机模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测准确度和计算效率，在广告点击率预测和推荐系统领域被广泛研究和应用。燕彩蓉、潘乔编著的《机器学习--因子分解机模型与推荐系统》对因子分解机模型及其相关模型的研究进展进行综述，阐述该模型的灵活性和普适性，对模型中有待深入研究的难点、热点及发展趋势进行展望。结合研究成果，进一步对该模型进行扩展，并将此扩展后的模型应用于时尚电商领域的推荐任务。提出大数据环境下时尚电商推荐系统框架、研究内容、关键问题，以及可以采用的相关技术，*后通过一个实例验证方案的可行性。 本书适合将要或正在从事数据挖掘、机器学习、推荐系统、时尚电商相关研究的科研人员参考。其中关于因子分解机模型的综述，以及对其改进工作，可以帮助科研人员拓宽研究思路；关于时尚电商领域的推荐系统研究及应用，可以促进机器学习方法在推荐系统中的应用。
机器学习:因子分解机模型与推荐系统 目录
目 录前言第1章 绪论 11.1 预测和推荐问题描述 11.2 研究意义 31.3 国内外研究现状及发展动态 41.3.1 数据稀疏性和冷启动问题 51.3.2 用户偏好和物品流行度动态建模 61.3.3 大数据处理和模型的扩展性 71.3.4 多样性和准确性平衡问题 81.4 本书组织结构 9第2章 FM模型及其扩展 122.1 逻辑回归模型 122.2 基于因子分解的多项式回归模型 132.3 FM模型 142.4 FM模型与矩阵分解模型的转化 152.4.1 矩阵分解模型 152.4.2 FM模型转化为矩阵分解模型 162.5 FM模型的高阶扩展 172.6 FM模型的场交互扩展 182.7 FM模型的层次交互扩展 192.8 FM模型与其他模型的集成 202.9 本章小结 22笫3章 特征工程及其对FM模型的影响 233.1 属性、特征、特征向量和数据集 233.2 特征工程 243.3 特征的来源 253.4 FM模型相关研究中的特征工程 273.5 FM模型的应用领域 303.6 本章小结 32第4章 模型训练方法 334.1 预测和推荐模型的目标优化 334.2 模型训练方式 344.2.1 拟牛顿法 344.2.2 SGD系列算法 354.2.3 Gibbs采样算法 374.3 激活函数 384.4 过拟合问题 394.4.1 正则化方式 404.4.2 批规范化 414.4.3 Dropout及相关优化方法 424.5 本章小结 44第5章 智能化场感知分解机 455.1 算法改进思路 455.2 iFFM模型 465.3 多样性处理 485.3.1 热扩散算法 485.3.2 两个模型的集成 505.4 实验结果与分析 505.4.1 实验环境 505.4.2 实验结果 515.5 本章小结 54第6章 广义场感知分解机 556.1 模型改进思路 556.2 咐间因子 576.3 动态模型构建 586.4 GFFM模型评价 606.4.1 实验设置 606.4.2 实验结果及分析 626.5 本章小结 64第7章 FM模型与深度学习模型的集成 657.1 FNN模型 657.2 Wide&Deep模型 667.3 Deep&Cross模型 677.4 DeepFM模型 687.5 NFM与AFM模型 687.6 宽度和深度学习模型集成方式分析 697.7 本章小结 70第8章 基于稠密网络的广义场感知分解机 718.1 ResNet和DenseNet 718.2 DGFFM模型 738.2.1 Wide&Deep结构 738.2.2 FNN结构 748.3 DGFFM模型评价 758.3.1 实验设置 758.3.2 实验结果及分析 758.4 本章小结 76第9章 FM模型实现库及并行化处理 779.1 libFM 一 779.1.1 libFM中核心类之间的关系 779.1.2 fm一learn类代码解析 789.2 FM的其他实现库 839.2.1 libFFM 839.2.2 fastFM 839.3 FM模型的其他优化方法 839.4 FM模型的并行实现 849.5 本章小结 87第10章 时尚电商领域的推荐系统研究 8810.1 深度学习为时尚推荐研究带来新思路 8810.2 大数据环境下时尚电商推荐系统框架及面临的问题 8910.3 融合视觉特征的推荐系统研究内容 9010.3.1 融合非视觉属性与视觉特征及其时空动态性的推荐模型研究 9110.3.2 面向大规模数据的并行化模型训练算法与技术研究 9210.3.3 在线推荐引擎研究 9210.4 关键问题 9310.4.1 基于视觉特征的时空动态建模 9310.4.2 模型训练的优化问题 9310.4.3 推荐引擎的实时处理 9310.5 相关技术 9410.5.1 基于深度卷积神经网络的视觉特征提取方法 9410.5.2 基于iFFM模型的非视觉属性建模 9510.5.3 基于VBPR的视觉特征建模 9610.5.4 基于马尔可夫链的时间序列预测 9610.5.5 基于SGD算法的模型训练方法 9710.5.6 基于TensorFlow的并行算法实现 9810.6 本章小结 98第11章 一个N-阶段购买决策模型 10011.1 研究背景 10011.2 特征处理与Wide&Deep plus框架 10111.3 NSPD模型及其优化 10211.4 实验与结果评价 10511.4.1 数据集 10511.4.2 评价指标 10611.4.3 算法实现 10611.4.4 实验结果 10611.5 本章小结 108参考文献 109
展开全部
书友推荐
- >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥11.0¥23.0 - >
推拿
推拿
¥12.2¥32.0 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
唐代进士录
唐代进士录
¥19.1¥39.8 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥35.4¥68.0 - >
李白与唐代文化
李白与唐代文化
¥9.9¥29.8
本类畅销
-
数学之美
¥48.3¥69 -
浪潮之巅-下册-第二版
¥22.1¥45 -
挑战程序设计竞赛(第2版)
¥55.3¥79 -
算法竞赛入门经典-(第2版)
¥34.9¥49.8 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158
