|
复杂社会情境下的个性化推荐方法与应用 内容简介
全书共分8章: 第1章为绪论, 综述了个性化推荐方法的研究背景、意义和研究进展, 并描述了全书的概貌。第2章为理论篇, 主要介绍了与个性化推荐方法相关的理论, 为个性化推荐的成因提供理论依据。第3、4、5、6章为方法篇, 分别从已有的方法、作者改进的方法这两方面入手对个性化推荐方法进行、阐述。第7章为应用篇, 主要介绍了个性化推荐方法的应用案例。第8章对复杂情境下的个性化推荐方法与应用进行了归纳总结, 并对个性化推荐的未来发展做出展望。
复杂社会情境下的个性化推荐方法与应用 目录
第1章 绪论
1．1 研究背景与意义
1．1．1 研究背景
1．1．2 研究问题
1．1．3 研究意义
1．2 个性化推荐系统发展现状
1．3 本书的主要内容与结构
1．3．1 主要内容与创新
1．3．2 本书结构安排
1．4 参考文献
第2章 个性化推荐相关理论概述
2．1 消费者定位理论与显示性偏好理论
2．1．1 消费者定位理论
2．1．2 显示性偏好理论
2．2 社会网络理论与社会化推荐模型
2．2．1 社会网络理论
2．2．2 社会化推荐
2．3 情境感知与兴趣漂移
2．3．1 情境感知服务
2．3．2 兴趣漂移处理
2．4 参考文献
第3章 个性化推荐方法综述
3．1 基于协同过滤的推荐方法
3．1．1 基于用户协同过滤的推荐方法
3．1．2 基于项目内容协同过滤的推荐方法
3．2 基于二部图和知识的推荐方法
3．2．1 基于二部图资源分配的推荐方法
3．2．2 基于知识的推荐方法
3．3 其他推荐方法发展
3．3．1 基于关联规则分析的推荐方法
3．3．2 基于情境的个性化推荐方法
3．3．3 混合推荐方法
3．4 参考文献
第4章 个性化推荐方法之关联规则分析推荐
4．1 基于有序复合策略的数据流*大频繁项集挖掘
4．1．1 相关研究与问题描述
4．1．2 A-MFI算法
4．1．3 数据集及实验环境
4．1．4 实验测试与结果分析
4．2 关联规则的评价方法改进与度量框架
4．2．1 相关研究与问题描述
4．2．2 关联规则客观兴趣度度量指标与比较
4．2．3 客观兴趣度度量改进与评价框架
4．2．4 关联规则主观兴趣度度量指标的提出
4．2．5 算例分析
4．3 参考文献
第5章 个性化推荐方法之协同过滤推荐
5．1 复杂情境下基于本体情境和信任关系的协同过滤推荐
5．1．1 问题描述及研究思路
5．1．2 基于本体情境及信任关系的协同过滤推荐模型
5．1．3 推荐效果评价指标
5．1．4 实验验证
5．2 复杂情境下基于社会网络协同过滤的个性化推荐
5．2．1 社会化网购相似性
5．2．2 社交网络互动性
5．2．3 社会群组相似性
5．3 参考文献
第6章 个性化推荐方法之综合推荐
6．1 复杂情境下基于资源非均匀扩散的混合推荐
6．1．1 问题描述及研究思路
6．1．2 基于资源非均匀扩散的推荐模型
6．1．3 推荐效果评价指标
6．1．4 实验验证
6．2 复杂情境下融入社会网络情境的推荐
6．2．1 问题描述及研究思路
6．2．2 融人社会网络情境的基于矩阵分解技术的推荐模型
6．2．3 推荐效果评价指标
6．2．4 实验验证
6．3 复杂情境下基于情境和主体特征融入性的多维度个性化推荐
6．3．1 主体兴趣特征数据收集
6．3．2 主体兴趣特征提取方法
6．3．3 主体兴趣情境分析
6．3．4 用户主体兴趣描述与映射
6．3．5 融入情境的用户兴趣本体模型构建
6．3．6 主体兴趣相似度计算与推荐流程
6．4 参考文献
第7章 个性化推荐方法之应用实例
7．1 基于社交网络协同过滤的社会化推荐应用
7．1．1 应用背景
7．1．2 基于社会网络关系的推荐系统设计
7．1．3 社会化电子商务推荐系统框架
7．1．4 系统效果分析
7．2 面向移动电子商务平台的个性化推荐系统综合应用
7．2．1 系统基本框架
7．2．2 系统关键技术
7．2．3 系统功能与界面
7．2．4 应用测试
7．3 参考文献
第8章 总结与展望
8．1 总结
8．2 贡献与管理启示
8．3 局限性与未来展望
|
