作 者:(美)查鲁·C.阿加沃尔(Charu C.Aggarwal) 著；黎玲利 等 译
定 价:129
出 版 社:机械工业出版社
出版日期:2018年07月01日
页 数:374
装 帧:平装
ISBN:9787111600329
●出版者的话
●译者序
●前言
●致谢
●作者简介
●第1章推荐系统概述
●1.1引言
●1.2推荐系统的目标
●1.2.1推荐系统应用范围
●1.3推荐系统的基本模型
●1.3.1协同过滤模型
●1.3.2基于内容的推荐系统
●1.3.3基于知识的推荐系统
●1.3.4人口统计推荐系统
●1.3.5混合集成的推荐系统
●1.3.6对推荐系统的评价
●1.4推荐系统领域特有的挑战
●1.4.1基于上下文的推荐系统
●1.4.2时间敏感的推荐系统
●1.4.3基于位置的推荐系统
●部分目录
本书介绍当前推荐系统领域中的经典方法。不仅详细讨论了各类方法，还对同类技术进行了归纳总结，这有助于读者对当前推荐系统研究领域有全面的了解。书中提供了大量的例子和习题来帮助读者深入理解和掌握相关技术。此外，本书还介绍了当前新的研究方向，为读者进行推荐系统技术的研究提供参考。本书既可以作为计算机相关专业本科生和研究生的教材，也适合开发人员和研究人员阅读。
(美)查鲁·C.阿加沃尔(Charu C.Aggarwal) 著；黎玲利 等 译
查鲁·C.阿加沃尔，IBM T.J.Watson研究中心杰出研究人员（DRSM），于1996年在MIT获得博士学位。他对数据挖掘领域有着广泛的研究。在靠前会议和期刊上发表了300余篇论文。申请了90余项专利。他曾三次被评为IBM的“杰出发明人”（Master Inventor）。并曾获得IBM公司奖（IBM Corporate Award，2003）、IBM杰出创新奖和两项IBM杰出技术成就奖（2009，2015）。他因为提出基于冷凝的数据挖掘中的隐私保护技术而获得EDBT2014的时间检验奖（Test of Time Aw等
