西安工业大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

统计推荐系统/(美) 迪帕克·K. 阿加瓦尔(Deepak K. Agarwal), 陈必衷(Bee-Chung Chen)著 戴薇, 潘微科, 明仲译

出版发行项:

北京:机械工业出版社,2019

ISBN及定价:

978-7-111-63573-4/CNY89.00

载体形态项:

220页:图;26cm

并列正题名:

Statistical methods for recommendation systems

丛编项:

计算机科学丛书

个人责任者:

(美) 阿加瓦尔 (Agarwal, Deepak K.) 著

个人责任者:

(美) 陈必衷 (Chen, Bee-Chung) 著

个人次要责任者:

戴薇 译

个人次要责任者:

潘微科 译

个人次要责任者:

明仲 译

学科主题:

统计程序

中图法分类号:

TP319

出版发行附注:

由剑桥大学出版社与机械工业出版社合作出版

责任者附注:

迪帕克·K. 阿加瓦尔(Deepak K. Agarwal)，LinkedIn公司副总裁，领导人工智能/机器学习团队的研发工作。之前曾任Yahoo!研究院研究主管和首席研究员，以及AT&T公司研究员。

责任者附注:

陈必衷(Bee-Chung Chen)，LinkedIn公司首席主任工程师、应用研究员，曾任Yahoo!研究院研究员。作为核心开发者，他为LinkedIn和Yahoo!设计了前沿的推荐算法，此外，他还关注数据挖掘、机器学习和大数据分析技术。

责任者附注:

戴薇，深圳大学计算机与软件学院研究生，主要研究方向为迁移学习、推荐系统和机器学习。

责任者附注:

潘微科，深圳大学计算机与软件学院副教授，主要研究方向为迁移学习和推荐系统。

责任者附注:

明仲，深圳大学计算机与软件学院院长、教授，大数据系统计算技术国家工程实验室执行主任，主要研究方向为人工智能、软件工程和推荐系统。

书目附注:

有书目 (第199-204页) 和索引

提要文摘附注:

全书分为三部分：第一部分介绍推荐系统的组成、经典推荐方法及评估方法，并引出了探索与利用问题；第二部分围绕点击通过率（CTR）预估这一重要问题，重点介绍快速在线双线性因子模型和面向回归的隐因子模型，为热门推荐和个性化推荐提供解决方案；第三部分讨论进阶主题，涵盖分解的隐含狄利克雷分布模型、张量分解模型、层次收缩模型以及多目标优化方法。

豆瓣简介：