机读格式显示(MARC)

• 000 02575nam0 2200505 450

• 001 0000246929

• 005 20161220094200.0

• 010 __ |a 978-7-5624-9681-6 |d CNY39.00

• 099 __ |a CAL 012016078575

• 100 __ |a 20160601d2016 em y0chiy50 ea

• 101 0_ |a chi |a eng

• 102 __ |a CN |b 500000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 基于半监督学习的个性化推荐算法研究 |A ji yu ban jian du xue xi de ge xing hua tui jian suan fa yan jiu |f 张宜浩, 文俊浩著

• 210 __ |a 重庆 |c 重庆大学出版社 |d 2016

• 215 __ |a 170页 |c 图 |d 23cm

• 300 __ |a 国家自然科学基金项目“基于异构服务网络分析的Web服务推荐研究”(NO.61379158) 重庆市教委科学技术研究项目“大数据环境下基于用户行为分析的推荐结果个性化过滤研究”(NO.kj1500920) 重庆市自然科学基金“基于半监督聚类的协同过滤电影推荐研究”(NO.Cstc2014jcyjA1772) 等项目的赞助

• 312 __ |a 英文并列题名取自封面

• 314 __ |a 张宜浩, 男, 工学博士, 重庆理工大学计算机科学与工程学院教师, 主要从事半监督学习、个性化推荐、自然语言处理等方面的研究。文俊浩, 男, 重庆大学, 软件学院, 教授, 博士生导师。

• 320 __ |a 有书目 (第149-170页)

• 330 __ |a 在“信息超载”的时代, 海量信息在给用户带来极大便利的同时, 也是用户迷失在信息的海洋中。个性化推荐作为解决该问题的有效工具, 其通过主动挖掘用户的兴趣偏好, 为用户推送个性化的信息。针对当前, 主流的个性化推荐方法缺乏对用户反馈信息的挖掘, 造成推荐结果过度特殊化的问题, 本书提出了利用半监督学习的方法实现基于用户行为信息与物品内容信息的个性化推荐。针对协同过滤推荐方法存在计算相似度方式单一等问题, 提出了基于距离度量与高斯混合模型的半监督聚类的推荐方法; 针对个性化推荐中用户兴趣标签偏少的问题, 提出了基于主动学习和协同训练的半监督推荐方法, 针对主动学习的方法加重了用户的负担或增加了人力成本的问题, 提出了基于高斯对称分布的自增量学习的半监督推荐方法; 针对在构建特征向量过程中, 用户行为特征与物品内容特征的权重不宜权衡的问题, 提出了基于图模型的半监督推荐方法。

• 510 1_ |a Research on personalized recommendation algorithm based on semi-supervised learning |z eng

• 606 0_ |a 聚类分析 |A ju lei fen xi |x 分析方法 |x 研究

• 690 __ |a O212.4 |v 5

• 701 _0 |a 张宜浩 |A zhang yi hao |4 著

• 701 _0 |a 文俊浩 |A wen jun hao |4 著

• 801 _0 |a CN |b 湖北三新 |c 20160601

• 905 __ |a XATU |d O212.4/31

• 920 __ |a 211010 |z 1

• 920 __ |a 222010 |z 1

• 920 __ |a 231020 |z 1

• 920 __ |a 221020 |z 1

• 920 __ |a 261030 |z 1

• 920 __ |a 231030 |z 1

• 920 __ |a 251010 |z 1

• 920 __ |a 231010 |z 1

• 920 __ |a 235010 |z 1

• 920 __ |a 211260 |z 1

• 920 __ |a 236010 |z 1

• 920 __ |a 245010 |z 1

• 920 __ |a 261020 |z 1

• 920 __ |a 231280 |z 1

• 920 __ |a 430102 |z 1

• 998 __ |a PUL