电子商务推荐系统导论2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

电子商务推荐系统导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引论1

1.1 推荐系统概述1

1.1.1 推荐系统：动机与现状1

1.1.2 电子商务：推荐系统最重要的应用领域2

1.1.3 推荐系统：形式化建模3

1.2 推荐系统研究概览5

1.2.1 挑战性问题5

1.2.2 本书组织结构9

参考文献10

第2章 传统推荐模型与算法12

2.1 协同过滤模型12

2.1.1 基于用户的协同过滤12

2.1.2 基于项目的协同过滤14

2.1.3 相似度计算方法15

2.1.4 混合型协同过滤17

2.1.5 一个例子18

2.2 基于内容的推荐模型19

2.2.1 项目和用户表示19

2.2.2 用户兴趣学习模型21

2.3 潜在语义分析模型23

2.3.1 奇异值分解模型25

2.3.2 概率潜在语义分析模型27

2.3.3 潜在狄利克雷分配模型29

2.4 基于关联规则挖掘的推荐30

2.4.1 频繁模式与关联规则挖掘31

2.4.2 基于关联规则的推荐32

参考文献33

第3章 情境推荐模型与算法35

3.1 推荐系统情境信息35

3.1.1 什么是情境信息35

3.1.2 情境信息的层次式表征36

3.2 融合情境信息的推荐模型37

3.2.1 情境预过滤38

3.2.2 情境后过滤41

3.2.3 情境化建模41

3.2.4 三类范式的混合使用44

3.3 基于时空信息的推荐模型44

3.3.1 考虑用户兴趣漂移的推荐45

3.3.2 移动推荐48

3.4 基于隐反馈信息的推荐模型57

参考文献59

第4章 社会化推荐模型与算法63

4.1 社会计算与社会化推荐63

4.1.1 社会计算研究议题概览63

4.1.2 社会化推荐67

4.2 社会化协同过滤模型68

4.2.1 基于信任关系的社会化协同过滤69

4.2.2 基于矩阵分解的社会化协同过滤71

4.3 社会化标签系统中的推荐75

4.3.1 社会化标签系统概述75

4.3.2 基于社会化标签的多模式推荐77

4.4 链路预测83

4.4.1 基于拓扑结构信息的链路预测83

4.4.2 基于节点信息的链路预测84

4.5 作者协作关系网络中的推荐86

4.5.1 专家推荐87

4.5.2 论文推荐88

4.6 社会化推荐领域的挑战性问题89

参考文献91

第5章 推荐系统评价指标与方法97

5.1 评价任务概述97

5.2 评价指标98

5.2.1 准确性指标98

5.2.2 准确度以外的指标103

5.3 实验数据集106

5.3.1 一般性评分数据集106

5.3.2 融合社会网络的数据集107

5.4 评价方法109

5.4.1 在线评价109

5.4.2 离线评价110

5.5 总结110

参考文献111

第6章 推荐系统可信性与安全性113

6.1 托攻击概述113

6.1.1 托攻击模型113

6.1.2 托攻击分类115

6.2 托攻击危害性衡量指标与脆弱性分析117

6.2.1 托攻击危害性指标117

6.2.2 托攻击脆弱性分析118

6.3 托攻击检测特征指标与特征选择120

6.3.1 托攻击检测特征指标120

6.3.2 托攻击检测指标特征选择122

6.4 托攻击检测算法124

6.4.1 监督学习模型124

6.4.2 无监督学习模型127

6.4.3 半监督学习模型130

6.5 托攻击检测算法评价方法132

6.5.1 仿真实验132

6.5.2 真实案例分析133

6.6 群组攻击134

6.6.1 严格版本的群组攻击构建算法135

6.6.2 松弛版本的群组攻击构建算法136

6.7 未来的研究方向138

参考文献139

第7章 电子商务推荐系统与企业绩效142

7.1 电子商务企业绩效对推荐系统的影响142

7.1.1 电子商务企业绩效的长尾效应142

7.1.2 长尾分布、齐普夫定律和幂律分布143

7.1.3 长尾效应对推荐系统设计的思考144

7.2 多样化推荐系统设计146

7.2.1 多样性的定义146

7.2.2 重排序技术148

7.2.3 基于主题多样性的推荐149

7.3 推荐系统冷启动问题150

7.3.1 冷启动问题概述150

7.3.2 种子项目选择方法151

7.4 总结154

参考文献155

第8章 电子商务推荐系统架构设计156

8.1 商用推荐系统概述156

8.1.1 通用框架156

8.1.2 数据类型157

8.1.3 用户画像159

8.2 推荐系统案例分析161

8.2.1 Amazon推荐系统162

8.2.2 Netflix推荐系统163

8.2.3 Hulu推荐系统165

8.3 基于Web日志的推荐167

8.3.1 Web使用挖掘技术167

8.3.2 Google新闻推荐系统171

参考文献172

第9章 下一代推荐系统研究展望174

9.1 大数据的挑战174

9.1.1 大数据计算174

9.1.2 大数据计算对推荐系统基础架构的变革175

9.2 推荐系统研究议题展望179

9.2.1 隐私保护179

9.2.2 基于位置的推荐180

9.2.3 群组推荐181

9.2.4 基于演化计算的推荐模型182

参考文献182

索引186