中青年经济学家文库:电子商务推荐系统的理论与应用研究

中青年经济学家文库:电子商务推荐系统的理论与应用研究
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2013-10
版次: 1
ISBN: 9787514138863
定价: 28.00
装帧: 平装
开本: 32开
纸张: 胶版纸
页数: 208页
字数: 200千字
正文语种: 简体中文
  •   《中青年经济学家文库:电子商务推荐系统的理论与应用研究》研究了基于Vague集的电子商务推荐系统的理论与应用,结合电子商务推荐系统对覆盖率和准确率的要求,借助Vague集的方法,另辟蹊径,从推荐系统的输入、算法、输出三个环节探讨其理论与应用,并借助MATLAB验证算法的可靠性。   崔春生,1974年生,河南南阳人,工学学士、理学硕士、管理学博士,计算机专业副教授。多家企业咨询顾问,工业与信息化部系统集成项日管理工程师和信息系统项'管理师软考培训讲师,项目管理专家,系统集成资质审核员,高级项目经理,CMMI咨询顾问,中国人工智能学会可拓工程专业委员会常务委员,中国企业运筹学会理事,北京运筹学会理事。在国内外学术期刊上发表学术论文六十余篇,主持省级以上课题七项,参编教材四部。 第一章绪论
    一、研究背景和意义
    二、研究思路及方法
    三、本书的主要内容

    第二章推荐系统研究现状及相关基础理论
    一、推荐系统研究现状
    二、Vague集基本理论
    三、推荐系统国内外研究趋势
    四、本章小结

    第三章基于Vague集的产品描述及排序
    一、推荐系统描述
    二、电子商务推荐系统与Vague集的对接
    三、基于Vague值的非个性化产品推荐
    四、非个性化产品相似性的度量
    五、关于Vague相似性的进一步思考
    六、本章小结

    第四章推荐系统输入研究
    一、推荐系统输入存在的问题
    二、基于显式评分输入的用户聚类分析
    三、基于隐式浏览输入的用户聚类分析
    四、本章小节

    第五章基于Vague集的内容推荐算法研究
    一、基于内容的推荐算法
    二、基于内容推荐算法的Vague求解
    三、案例应用
    四、本章小节

    第六章基于泛函网络的组合推荐算法研究
    一、泛函网络
    二、推荐系统组合推荐算法
    三、基于泛函网络的推荐算法结构模型
    四、基于泛函网络的推荐系统学习过程研究
    五、本章小节

    第七章推荐系统输出结果分析
    一、Top-N技术发展
    二、基于集团序方法的推荐输出
    三、案例计算
    四、本章小结

    第八章结论与展望
    一、结论
    ……
    表索引
  • 内容简介:
      《中青年经济学家文库:电子商务推荐系统的理论与应用研究》研究了基于Vague集的电子商务推荐系统的理论与应用,结合电子商务推荐系统对覆盖率和准确率的要求,借助Vague集的方法,另辟蹊径,从推荐系统的输入、算法、输出三个环节探讨其理论与应用,并借助MATLAB验证算法的可靠性。
  • 作者简介:
      崔春生,1974年生,河南南阳人,工学学士、理学硕士、管理学博士,计算机专业副教授。多家企业咨询顾问,工业与信息化部系统集成项日管理工程师和信息系统项'管理师软考培训讲师,项目管理专家,系统集成资质审核员,高级项目经理,CMMI咨询顾问,中国人工智能学会可拓工程专业委员会常务委员,中国企业运筹学会理事,北京运筹学会理事。在国内外学术期刊上发表学术论文六十余篇,主持省级以上课题七项,参编教材四部。
  • 目录:
    第一章绪论
    一、研究背景和意义
    二、研究思路及方法
    三、本书的主要内容

    第二章推荐系统研究现状及相关基础理论
    一、推荐系统研究现状
    二、Vague集基本理论
    三、推荐系统国内外研究趋势
    四、本章小结

    第三章基于Vague集的产品描述及排序
    一、推荐系统描述
    二、电子商务推荐系统与Vague集的对接
    三、基于Vague值的非个性化产品推荐
    四、非个性化产品相似性的度量
    五、关于Vague相似性的进一步思考
    六、本章小结

    第四章推荐系统输入研究
    一、推荐系统输入存在的问题
    二、基于显式评分输入的用户聚类分析
    三、基于隐式浏览输入的用户聚类分析
    四、本章小节

    第五章基于Vague集的内容推荐算法研究
    一、基于内容的推荐算法
    二、基于内容推荐算法的Vague求解
    三、案例应用
    四、本章小节

    第六章基于泛函网络的组合推荐算法研究
    一、泛函网络
    二、推荐系统组合推荐算法
    三、基于泛函网络的推荐算法结构模型
    四、基于泛函网络的推荐系统学习过程研究
    五、本章小节

    第七章推荐系统输出结果分析
    一、Top-N技术发展
    二、基于集团序方法的推荐输出
    三、案例计算
    四、本章小结

    第八章结论与展望
    一、结论
    ……
    表索引
查看详情