基于鏈路預測的推薦系統(tǒng)：原理.模型與算法

定　價：￥38.00

作　者：	朱旭振
出版社：	北京郵電大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787563554867	出版時間：	2018-09-01	包裝：
開本：	16開	頁數：	189	字數：

內容簡介

　　《基于鏈路預測的推薦系統(tǒng)：原理、模型與算法/“十三五”科學技術專著叢書》主要面向廣大的推薦算法研究者，希望能通過《基于鏈路預測的推薦系統(tǒng)：原理、模型與算法/“十三五”科學技術專著叢書》的介紹，幫助更多研究者步入推薦算法的研究之門。《基于鏈路預測的推薦系統(tǒng)：原理、模型與算法/“十三五”科學技術專著叢書》分為4部分：第1部分介紹復雜網絡的基礎知識以及網絡分析軟件Pajek的基本使用方法；第2部分介紹復雜網絡上鏈路預測研究的一般方法、實驗數據和性能指標，并給出筆者的幾個研究實例；第3部分介紹基于鏈路預測的推薦算法研究，將一般網絡上的鏈路預測研究思路擴展到二部圖網絡，基于物質擴散理論實現推薦系統(tǒng)建模，同時給出了筆者的幾個研究實例；第4部分對《基于鏈路預測的推薦系統(tǒng)：原理、模型與算法/“十三五”科學技術專著叢書》進行總結，并對未來可能的研究方向進行展望?！痘阪溌奉A測的推薦系統(tǒng)：原理、模型與算法/“十三五”科學技術專著叢書》不僅講解了整體思路、單個問題的建模方法以及實驗方法，還介紹了推薦系統(tǒng)建模的研究過程，拋磚引玉，注重引導新手入門。《基于鏈路預測的推薦系統(tǒng)：原理、模型與算法/“十三五”科學技術專著叢書》同時給出了大量實驗數據、編程方法以及重要模塊的代碼，以期能鋪石引路，以饗讀者。

作者簡介

暫缺《基于鏈路預測的推薦系統(tǒng)：原理.模型與算法》作者簡介

圖書目錄

第1部分基礎知識
第1章緒論
1．1 研究背景
1．1．1 推薦系統(tǒng)的發(fā)展現狀及特征分析
1．1．2 推薦系統(tǒng)的國內外研究現狀
1．2 相關理論基礎
1．2．1 復雜網絡理論基礎
1．2．2 鏈路預測理論
1．2．3 基于鏈路預測的協(xié)同推薦理論
1．3 復雜網絡下基于鏈路預測推薦所面臨的問題及研究意義
1．3．1 面臨的問題
1．3．2 研究意義
1．4 研究思路
1．5 本書的主要內容
本章參考文獻
第2部分復雜網絡上的鏈路預測方法
第2章網絡分析軟件Pajek
2．1 Pajek軟件介紹
2．1．1 高速計算
2．1．2 可視化
2．1．3 抽象化
2．2 Pajek軟件使用基礎
2．3 Pajek軟件分析網絡屬性
2．3．1 度的計算
2．3．2 兩點間的距離
2．3．3 k近鄰
2．3．4 聚類系數
2．4 Pajek軟件抽取極大連通子圖
2．5 Pajek軟件網絡畫圖
2．5．1 繪制復雜網絡圖
2．5．2 繪制不同類節(jié)點的復雜網絡圖
2．5．3 繪制不同大小節(jié)點的復雜網絡圖
2．5．4 繪制不同權值邊的復雜網絡圖
2．6 網絡文件．簡介
2．6．1 Pajek網絡文件的一般結構
2．6．2 具體參數的意義和取值
2．6．3 文件舉例
2．7 本章小結
本章參考文獻
第3章基于相似性的鏈路預測研究
3．1 鏈路預測的研究方法
3．2 鏈路預測的典型研究成果
3．3 鏈路預測的實驗數據
3．4 鏈路預測的實驗方法
3．4．1 數據集劃分方法
3．4．2 鏈路預測的度量指標
3．5 鏈路預測重要代碼講解
3．5．1 數據集劃分代碼講解
3．5．2 關鍵測試指標代碼講解
3．6 基于拓撲相似性鏈路預測的思考
3．7 本章小結
本章參考文獻
第4章基于弱關系的鏈路預測算法
4．1 研究背景
4．2 問題描述
4．3 基于弱關系的優(yōu)化鏈路預測模型
4．3．1 算法、AA算法和RA算法介紹
4．3．2 改進優(yōu)化算法模型
4．4 實驗結果與分析
4．4．1 數據集
4．4．2 度量指標
4．4．3 結果與分析
4．5 本章小結
4．6 研究思考
本章參考文獻
第5章基于路徑異構性的鏈路預測算法
5．1 研究背景
5．2 問題描述
5．3 基于路徑異構性的鏈路預測建模
5．3．1 SP模型
5．3．2 對比算法
5．4 實驗結果與分析
5．4．1 數據集
5．4．2 評估準則
5．4．3 結果與分析
5．5 本章小結
5．6 研究思考
本章參考文獻
第6章基于端點影響力的鏈路預測算法
6．1 研究背景
6．2 問題描述
6．3 基于端點影響力建立鏈路預測模型
6．3．1 EP模型
6．3．2 對比算法
6．4 實驗結果與分析
6．4．1 數據集
6．4．2 評估準則
6．4．3 結果與分析
6．5 本章小結
6．6 研究思考
本章參考文獻
第3部分基于鏈路預測的推薦算法研究
第7章推薦模型的研究方法
7．1 推薦模型常見研究方法
7．2 基于鏈路預測的推薦模型研究方法
7．3 推薦技術的典型研究成果
7．4 推薦技術的研究數據介紹
7．5 推薦實驗方法
7．5．1 數據集劃分方法
7．5．2 推薦算法的度量指標
7．6 推薦算法重要代碼講解
7．6．1 數據集劃分代碼講解
7．6．2 推薦算法關鍵指標代碼講解
7．7 基于二部圖推薦算法的研究思路
7．8 本章小結
本章參考文獻
第8章基于修正相似性的協(xié)作推薦算法
8．1 研究背景
8．2 問題描述
8．3 基于修正相似性的推薦算法CSI
8．3．1 基于二部圖網絡的經典相似性算法
8．3．2 相似性修正模型CSI
8．3．3 對比算法
8．4 實驗結果與分析
8．4．1 數據集
8．4．2 評價準則
8．4．3 結果與分析
8．5 本章小結
8．6 研究思考
本章參考文獻
第9章基于一致性的協(xié)作推薦算法
9．1 研究背景
9．2 問題描述
9．3 基于一致性的推薦算法CBI
9．3．1 基于網絡的因果性推薦算法NBI
9．3．2 基于一致性的推薦算法CBI和UCBI
9．3．3 對比算法
9．4 實驗結果與分析
9．4．1 數據集
9．4．2 評價準則
9．4．3 結果與分析
9．5 本章小結
9．6 研究思考
本章參考文獻
第10章基于一致性冗余刪除的協(xié)作推薦算法
10．1 研究背景
10．2 問題描述
10．3 修正冗余刪除推薦算法
10．3．1 相似性估計偏差現象
10．3．2 相似性冗余問題
10．3．3 修正冗余刪除相似性指標CRE
10．3．4 對比算法
10．4 實驗結果與分析
10．4．1 數據集
10．4．2 評價準則
10．4．3 結果與分析
10．5 本章小結
10．6 研究思考
本章參考文獻
第11章一致性下基于懲罰過度擴散的推薦算法
11．1 研究背景
11．2 問題描述
11．3 對稱和過度擴散懲罰算法模型
11．3．1 非對稱擴散問題
11．3．2 擴散冗余問題
11．3．3 基于對稱的過度擴散懲罰模型
11．3．4 對比算法
11．4 實驗結果與分析
11．4．1 數據集
11．4．2 評價準則
11．4．3 結果與分析
11．5 本章小結
11．6 研究思考
本章參考文獻
第4部分總結與未來展望
第12章總結和展望
12．1 總結
12．2 未來研究展望