机读格式显示(MARC)

• 000 01250nam0 2200301 450

• 001 0000364603

• 005 20191219092900.0

• 010 __ |a 978-7-03-058596-7 |d CNY98.00

• 099 __ |a CAL 012019025251

• 100 __ |a 20190313d2018 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 推荐系统进展 |A tui jian xi tong jin zhan |e 方法与技术 |f 郭贵冰著

• 210 __ |a 北京 |c 科学出版社 |d 2018

• 215 __ |a 249页 |c 图 |d 26cm

• 312 __ |a 英文并列题名取自封面

• 320 __ |a 有书目 (第248-249页)

• 330 __ |a 本书将从三个不同的研究方向深入探索问题的解决思路和进阶算法。首先，更好地利用现有的数据，学习出更加精准的推荐模型。其次，更好地引导用户给出更丰富准确的个人数据。再次，融合多维度的辅助信息，更全面地学习用户偏好，提出更加有效的推荐模型。最后，介绍推荐系统工具库LibRec，重现重要的研究实验和结果。通过对各方面的深入分析和提出示范解决思路，有助读者更深入地认识和解决该类问题，有效提高推荐系统的实用性能。

• 510 1_ |a Recommender systems progress |e methods and techniques |z eng

• 606 0_ |a 互联网络 |A hu lian wang luo |x 数据处理

• 690 __ |a TP393.4 |v 5

• 701 _0 |a 郭贵冰 |A guo gui bing |4 著

• 801 _0 |a CN |b NMU |c 20190313

• 905 __ |a XATU |d TP393.4/747

• 920 __ |a 261060 |z 1

• 998 __ |a NMU