书籍详情
社会化环境下商品个性化推荐方法
作者：梁晶 著
出版社：华中科技大学出版社
出版时间：2022-10-01
ISBN：9787568086776
定价：¥49.00
购买这本书可以去
内容简介
（1）提出了社会化环境下商品推荐呈现的特征，总结了传统推荐方法的基本原理、推荐流程及优缺点，分析了基于深度学习的推荐方法、面向社会化环境的商品推荐方法的分类、研究进展和主要研究成果。（2）总结了基于内存的社会化推荐系统、基于模型的社会化推荐系统、基于社会化标签的推荐系统的推荐原理、研究进展和主要研究成果。（3）总结了社会化商品推荐面临的挑战，归纳了传统商品推荐存在的问题，分析了社会化标签在商品推荐中应用可行性，提出了基于社会化标签和多维信息特征融合的商品推荐模型，给出了模型实现的主要方法。（4）针对社会化标签在内容特征上呈现语义缺失、在数量特征上呈现出“长尾”现象，利用标签信息表征用户兴趣，提出了基于标签间语义相关性的商品推荐方法。（5）针对目前社会化商品推荐方法存在的数据来源单一、推荐类型缺乏多样性的问题，综合考虑需求匹配、功能互补、情景相似、畅销流行等多维信息特征，设计了融合多维信息特征的商品推荐方法。
作者简介
梁晶，副教授，中国商业统计学会理事、湖北省市场营销学会理事，湖北高校优秀教学团队负责人、湖北省一流课程负责人，主持教育部产学合作协同育人项目2项，主持湖北省教育厅人文社科项目1项，主持校级课题6项，主编教材2部，发表论文10余篇（含 2篇CSSCI），申请软著“基于大数据的产品智能推荐系统”1项，指导学生参加挑战杯、创青春、全国大学生电子商务“三创”大赛、全国大学生市场调查与分析大赛等获得*奖项3项、省级以上奖项近20项。
目录
1绪论/1
1.1选题背景和意义/1
1.1.1选题背景/1
1.1.2选题意义/4
1.2国内外研究现状/6
1.2.1社会化推荐研究现状/6
1.2.2标签推荐研究现状/10
1.2.3商品推荐研究现状/16
1.2.4国内外研究述评/21
1.3研究方法/26
2社会化商品推荐相关理论与方法/28
2.1社会化商品推荐的概念与特征/28
2.2社会化标签系统概述/31
2.2.1标签系统类型/31
2.2.2社会化标签系统的特点/31
2.3传统信息推荐理论与方法/33
2.3.1基于信息内容的信息推荐方法/33
2.3.2基于协同过滤的信息推荐方法/35
2.3.3基于规则的信息推荐方法/38
2.3.4混合推荐方法/39
2.4基于深度学习的推荐方法/40
2.4.1基于多层感知机的推荐方法/40
2.4.2基于卷积神经网络的推荐方法/41
2.4.3基于循环神经网络的推荐方法/41
2.5面向社会化环境的商品推荐方法/42
2.6社会化商品推荐技术基础/45
2.6.1信息抽取/45
2.6.2知识融合/49
3社会化推荐系统概述与分析/53
3.1社会化推荐系统概述/53
3.2基于内存的社会化推荐系统/55
3.2.1TidalTrust/55
3.2.2MoleTrust/57
3.3基于模型的社会化推荐系统/58
3.3.1SoRec/58
3.3.2TrustMF/60
3.3.3TrustPMF/62
3.3.4LOCABAL/65
3.3.5SoReg/67
3.3.6SocialMF/68
3.3.7RSTE/72
3.4基于社会化标签的推荐系统/74
3.4.1Delicious/74
3.4.2CiteULike/75
3.4.3Connotea/76
3.4.4Flickr/77
3.4.5YouTube/79
4基于社会化标签的商品推荐模型/82
4.1问题的提出/82
4.1.1社会化环境下商品推荐面临的挑战/82
4.1.2传统的商品推荐模型存在的问题/83
4.1.3社会化标签在商品推荐中应用的可行性/84
4.2基于社会化标签的商品推荐模型/85
4.2.1现有的基于社会化标签的推荐模型/85
4.2.2基于社会化标签和多维信息的商品推荐模型/88
5基于标签间语义相关性的商品推荐方法/91
5.1问题的提出/91
5.2基于标签间语义相关性的商品推荐方法概述/93
5.2.1标签间语义相关性计算/93
5.2.2用户标签综合权重计算/94
5.2.3用户兴趣表达/96
5.2.4商品个性化推荐/97
5.3实验与结果分析/98
5.3.1实验数据/98
5.3.2实验环境与测评指标/98
5.3.3实验对比与结果分析/98
6基于多维信息特征融合的商品推荐方法/102
6.1问题的提出/102
6.2基于多维信息特征融合的商品推荐方法概述/103
6.2.1商品用户需求匹配度计算/103
6.2.2商品功能互补度计算/104
6.2.3商品情景相似度计算/105
6.2.4商品畅销流行度计算/106
6.2.5TopN商品推荐/106
6.3实验与结果分析/107
6.3.1实验数据/107
6.3.2实验环境与测评指标/107
6.3.3实验结果与分析/108
7全文总结与展望/111
7.1全文总结/111
7.2下一步工作展望/112
参考文献/114
1.1选题背景和意义/1
1.1.1选题背景/1
1.1.2选题意义/4
1.2国内外研究现状/6
1.2.1社会化推荐研究现状/6
1.2.2标签推荐研究现状/10
1.2.3商品推荐研究现状/16
1.2.4国内外研究述评/21
1.3研究方法/26
2社会化商品推荐相关理论与方法/28
2.1社会化商品推荐的概念与特征/28
2.2社会化标签系统概述/31
2.2.1标签系统类型/31
2.2.2社会化标签系统的特点/31
2.3传统信息推荐理论与方法/33
2.3.1基于信息内容的信息推荐方法/33
2.3.2基于协同过滤的信息推荐方法/35
2.3.3基于规则的信息推荐方法/38
2.3.4混合推荐方法/39
2.4基于深度学习的推荐方法/40
2.4.1基于多层感知机的推荐方法/40
2.4.2基于卷积神经网络的推荐方法/41
2.4.3基于循环神经网络的推荐方法/41
2.5面向社会化环境的商品推荐方法/42
2.6社会化商品推荐技术基础/45
2.6.1信息抽取/45
2.6.2知识融合/49
3社会化推荐系统概述与分析/53
3.1社会化推荐系统概述/53
3.2基于内存的社会化推荐系统/55
3.2.1TidalTrust/55
3.2.2MoleTrust/57
3.3基于模型的社会化推荐系统/58
3.3.1SoRec/58
3.3.2TrustMF/60
3.3.3TrustPMF/62
3.3.4LOCABAL/65
3.3.5SoReg/67
3.3.6SocialMF/68
3.3.7RSTE/72
3.4基于社会化标签的推荐系统/74
3.4.1Delicious/74
3.4.2CiteULike/75
3.4.3Connotea/76
3.4.4Flickr/77
3.4.5YouTube/79
4基于社会化标签的商品推荐模型/82
4.1问题的提出/82
4.1.1社会化环境下商品推荐面临的挑战/82
4.1.2传统的商品推荐模型存在的问题/83
4.1.3社会化标签在商品推荐中应用的可行性/84
4.2基于社会化标签的商品推荐模型/85
4.2.1现有的基于社会化标签的推荐模型/85
4.2.2基于社会化标签和多维信息的商品推荐模型/88
5基于标签间语义相关性的商品推荐方法/91
5.1问题的提出/91
5.2基于标签间语义相关性的商品推荐方法概述/93
5.2.1标签间语义相关性计算/93
5.2.2用户标签综合权重计算/94
5.2.3用户兴趣表达/96
5.2.4商品个性化推荐/97
5.3实验与结果分析/98
5.3.1实验数据/98
5.3.2实验环境与测评指标/98
5.3.3实验对比与结果分析/98
6基于多维信息特征融合的商品推荐方法/102
6.1问题的提出/102
6.2基于多维信息特征融合的商品推荐方法概述/103
6.2.1商品用户需求匹配度计算/103
6.2.2商品功能互补度计算/104
6.2.3商品情景相似度计算/105
6.2.4商品畅销流行度计算/106
6.2.5TopN商品推荐/106
6.3实验与结果分析/107
6.3.1实验数据/107
6.3.2实验环境与测评指标/107
6.3.3实验结果与分析/108
7全文总结与展望/111
7.1全文总结/111
7.2下一步工作展望/112
参考文献/114
猜您喜欢
