机读格式显示(MARC)

• 000 02324nam 2200385 450

• 001 0000499992

• 005 20181106230800.0

• 010 __ |a 978-7-111-60075-6 |d CNY139.00

• 100 __ |a 20180804d2018 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 推荐系统 |A tui jian xi tong |e 技术、评估及高效算法 |f (美) 弗朗西斯科·里奇, 利奥·罗卡奇, 布拉哈·夏皮拉著 |d = Recommender systems handbook |f Francesco Ricci, Lior Rokach, Bracha Shapira |g 李艳民等译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2018

• 215 __ |a xix, 636页 |c 图 |d 26cm

• 225 2_ |a 计算机科学丛书 |A ji suan ji ke xue cong shu

• 304 __ |a 题名页题: 李艳民, 吴宾, 潘薇科, 刘淇, 蒋凡等译

• 305 __ |a 译自原书第2版

• 306 __ |a 本书中文简体字版由Springer授权机械工业出版社独家出版

• 314 __ |a 弗朗西斯科·里奇, 意大利博尔扎诺自由大学计算机科学系副教授。利奥·罗卡奇, 以色列本-古里安大学信息系统工程系助理教授。布拉哈·夏皮拉, 以色列本-古里安大学信息系统工程系助理教授。

• 320 __ |a 有书目

• 330 __ |a 本书由五部分组成: 推荐系统的技术、评估、应用、人机交互及高级话题。第一部分展示了如今构建推荐系统的最流行和最基础的技术, 如协同过滤、基于语义的方法、数据挖掘方法和基于情境感知的方法。第二部分主要关注离线和真实用户环境下用于评估推荐质量的技术及方法。第三部分包括了一些推荐技术多样性的应用。首先简述了与工业实现和推荐系统开发相关的一般性问题, 随后详细介绍了推荐系统在各领域中的应用: 音乐、学习、移动、社交网络及它们之间的交互。第四部分包含了探讨一系列问题的文章, 这些问题包括推荐的展示、浏览、解释和视觉化以及人工决策与推荐系统相关的重要问题。第五部分收集了一些关于高级话题的文章, 例如利用主动学习技术来引导新知识的学习, 构建能够抵挡恶意用户攻击的健壮推荐系统的合适技术, 以及结合多种用户反馈和偏好来生成更加可靠的推荐系统。

• 410 _0 |1 2001 |a 计算机科学丛书

• 500 10 |a Recommender systems handbook |A Recommender Systems Handbook |m Chinese

• 517 1_ |a 技术、评估及高效算法 |A ji shu 、ping gu ji gao xiao suan fa

• 606 0_ |a 计算机网络 |A ji suan ji wang luo

• 690 __ |a TP393 |v 5

• 701 _1 |a 里奇 |A li qi |g (Ricci, Francesco) |4 著

• 701 _1 |a 罗卡奇 |A luo ka qi |g (Rokach, Lior) |4 著

• 701 _1 |a 夏皮拉 |A xia pi la |g (Shapira, Bracha) |4 著

• 702 _0 |a 李艳民 |A li yan min |4 译

• 702 _0 |a 吴宾 |A wu bin |4 译

• 801 _0 |a CN |b 湖北三新 |c 20180804

• 905 __ |a WXCSXY |d TP393/1079