书籍详情

基于链路预测的推荐系统:原理.模型与算法

基于链路预测的推荐系统:原理.模型与算法

作者:朱旭振

出版社:北京邮电大学出版社

出版时间:2018-09-01

ISBN:9787563554867

定价:¥38.00

购买这本书可以去
内容简介
  《基于链路预测的推荐系统:原理、模型与算法/“十三五”科学技术专著丛书》主要面向广大的推荐算法研究者,希望能通过《基于链路预测的推荐系统:原理、模型与算法/“十三五”科学技术专著丛书》的介绍,帮助更多研究者步入推荐算法的研究之门。《基于链路预测的推荐系统:原理、模型与算法/“十三五”科学技术专著丛书》分为4部分:第1部分介绍复杂网络的基础知识以及网络分析软件Pajek的基本使用方法;第2部分介绍复杂网络上链路预测研究的一般方法、实验数据和性能指标,并给出笔者的几个研究实例;第3部分介绍基于链路预测的推荐算法研究,将一般网络上的链路预测研究思路扩展到二部图网络,基于物质扩散理论实现推荐系统建模,同时给出了笔者的几个研究实例;第4部分对《基于链路预测的推荐系统:原理、模型与算法/“十三五”科学技术专著丛书》进行总结,并对未来可能的研究方向进行展望。《基于链路预测的推荐系统:原理、模型与算法/“十三五”科学技术专著丛书》不仅讲解了整体思路、单个问题的建模方法以及实验方法,还介绍了推荐系统建模的研究过程,抛砖引玉,注重引导新手入门。《基于链路预测的推荐系统:原理、模型与算法/“十三五”科学技术专著丛书》同时给出了大量实验数据、编程方法以及重要模块的代码,以期能铺石引路,以飨读者。
作者简介
暂缺《基于链路预测的推荐系统:原理.模型与算法》作者简介
目录
第1部分 基础知识
第1章 绪论
1.1 研究背景
1.1.1 推荐系统的发展现状及特征分析
1.1.2 推荐系统的国内外研究现状
1.2 相关理论基础
1.2.1 复杂网络理论基础
1.2.2 链路预测理论
1.2.3 基于链路预测的协同推荐理论
1.3 复杂网络下基于链路预测推荐所面临的问题及研究意义
1.3.1 面临的问题
1.3.2 研究意义
1.4 研究思路
1.5 本书的主要内容
本章参考文献
第2部分 复杂网络上的链路预测方法
第2章 网络分析软件Pajek
2.1 Pajek软件介绍
2.1.1 高速计算
2.1.2 可视化
2.1.3 抽象化
2.2 Pajek软件使用基础
2.3 Pajek软件分析网络属性
2.3.1 度的计算
2.3.2 两点间的距离
2.3.3 k近邻
2.3.4 聚类系数
2.4 Pajek软件抽取极大连通子图
2.5 Pajek软件网络画图
2.5.1 绘制复杂网络图
2.5.2 绘制不同类节点的复杂网络图
2.5.3 绘制不同大小节点的复杂网络图
2.5.4 绘制不同权值边的复杂网络图
2.6 网络文件.简介
2.6.1 Pajek网络文件的一般结构
2.6.2 具体参数的意义和取值
2.6.3 文件举例
2.7 本章小结
本章参考文献
第3章 基于相似性的链路预测研究
3.1 链路预测的研究方法
3.2 链路预测的典型研究成果
3.3 链路预测的实验数据
3.4 链路预测的实验方法
3.4.1 数据集划分方法
3.4.2 链路预测的度量指标
3.5 链路预测重要代码讲解
3.5.1 数据集划分代码讲解
3.5.2 关键测试指标代码讲解
3.6 基于拓扑相似性链路预测的思考
3.7 本章小结
本章参考文献
第4章 基于弱关系的链路预测算法
4.1 研究背景
4.2 问题描述
4.3 基于弱关系的优化链路预测模型
4.3.1 算法、AA算法和RA算法介绍
4.3.2 改进优化算法模型
4.4 实验结果与分析
4.4.1 数据集
4.4.2 度量指标
4.4.3 结果与分析
4.5 本章小结
4.6 研究思考
本章参考文献
第5章 基于路径异构性的链路预测算法
5.1 研究背景
5.2 问题描述
5.3 基于路径异构性的链路预测建模
5.3.1 SP模型
5.3.2 对比算法
5.4 实验结果与分析
5.4.1 数据集
5.4.2 评估准则
5.4.3 结果与分析
5.5 本章小结
5.6 研究思考
本章参考文献
第6章 基于端点影响力的链路预测算法
6.1 研究背景
6.2 问题描述
6.3 基于端点影响力建立链路预测模型
6.3.1 EP模型
6.3.2 对比算法
6.4 实验结果与分析
6.4.1 数据集
6.4.2 评估准则
6.4.3 结果与分析
6.5 本章小结
6.6 研究思考
本章参考文献
第3部分 基于链路预测的推荐算法研究
第7章 推荐模型的研究方法
7.1 推荐模型常见研究方法
7.2 基于链路预测的推荐模型研究方法
7.3 推荐技术的典型研究成果
7.4 推荐技术的研究数据介绍
7.5 推荐实验方法
7.5.1 数据集划分方法
7.5.2 推荐算法的度量指标
7.6 推荐算法重要代码讲解
7.6.1 数据集划分代码讲解
7.6.2 推荐算法关键指标代码讲解
7.7 基于二部图推荐算法的研究思路
7.8 本章小结
本章参考文献
第8章 基于修正相似性的协作推荐算法
8.1 研究背景
8.2 问题描述
8.3 基于修正相似性的推荐算法CSI
8.3.1 基于二部图网络的经典相似性算法
8.3.2 相似性修正模型CSI
8.3.3 对比算法
8.4 实验结果与分析
8.4.1 数据集
8.4.2 评价准则
8.4.3 结果与分析
8.5 本章小结
8.6 研究思考
本章参考文献
第9章 基于一致性的协作推荐算法
9.1 研究背景
9.2 问题描述
9.3 基于一致性的推荐算法CBI
9.3.1 基于网络的因果性推荐算法NBI
9.3.2 基于一致性的推荐算法CBI和UCBI
9.3.3 对比算法
9.4 实验结果与分析
9.4.1 数据集
9.4.2 评价准则
9.4.3 结果与分析
9.5 本章小结
9.6 研究思考
本章参考文献
第10章 基于一致性冗余删除的协作推荐算法
10.1 研究背景
10.2 问题描述
10.3 修正冗余删除推荐算法
10.3.1 相似性估计偏差现象
10.3.2 相似性冗余问题
10.3.3 修正冗余删除相似性指标CRE
10.3.4 对比算法
10.4 实验结果与分析
10.4.1 数据集
10.4.2 评价准则
10.4.3 结果与分析
10.5 本章小结
10.6 研究思考
本章参考文献
第11章 一致性下基于惩罚过度扩散的推荐算法
11.1 研究背景
11.2 问题描述
11.3 对称和过度扩散惩罚算法模型
11.3.1 非对称扩散问题
11.3.2 扩散冗余问题
11.3.3 基于对称的过度扩散惩罚模型
11.3.4 对比算法
11.4 实验结果与分析
11.4.1 数据集
11.4.2 评价准则
11.4.3 结果与分析
11.5 本章小结
11.6 研究思考
本章参考文献
第4部分 总结与未来展望
第12章 总结和展望
12.1 总结
12.2 未来研究展望
猜您喜欢

读书导航