推薦系統(tǒng)：技術(shù)、評(píng)估及高效算法（原書第2版）
定 價(jià)：139 元
叢書名：計(jì)算機(jī)科學(xué)叢書
- 作者：［美］ 弗朗西斯科·里奇
- 出版時(shí)間：2018/7/1
- ISBN：9787111600756
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類：TP393
- 頁(yè)碼：
- 紙張：膠版紙
- 版次：
- 開本：16開
本書由五部分組成：推薦系統(tǒng)的技術(shù)、評(píng)估、應(yīng)用、人機(jī)交互及高級(jí)話題。第 一部分展示了如今構(gòu)建推薦系統(tǒng)的流行和基礎(chǔ)的技術(shù)，如協(xié)同過(guò)濾、基于語(yǔ)義的方法、數(shù)據(jù)挖掘方法和基于情境感知的方法。第二部分主要關(guān)注離線和真實(shí)用戶環(huán)境下用于評(píng)估推薦質(zhì)量的技術(shù)及方法。第三部分包括了一些推薦技術(shù)多樣性的應(yīng)用。首先簡(jiǎn)述了與工業(yè)實(shí)現(xiàn)和推薦系統(tǒng)開發(fā)相關(guān)的一般性問題，隨后詳細(xì)介紹了推薦系統(tǒng)在各領(lǐng)域中的應(yīng)用：音樂、學(xué)習(xí)、移動(dòng)、社交網(wǎng)絡(luò)及它們之間的交互。第四部分包含了探討一系列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦系統(tǒng)相關(guān)的重要問題。第五部分收集了一些關(guān)于高級(jí)話題的文章，例如利用主動(dòng)學(xué)習(xí)技術(shù)來(lái)引導(dǎo)新知識(shí)的學(xué)習(xí)，構(gòu)建能夠抵擋惡意用戶攻擊的健壯推薦系統(tǒng)的合適技術(shù)，以及結(jié)合多種用戶反饋和偏好來(lái)生成更加可靠的推薦系統(tǒng)。
前 言Recommender Systems Handbook,Second Edition推薦系統(tǒng)是為用戶推薦所需物品的軟件工具和技術(shù)。提供的推薦旨在通過(guò)各種決策過(guò)程來(lái)支持用戶，例如，買什么物品、聽什么歌曲或讀什么新聞。推薦系統(tǒng)的價(jià)值在于幫助用戶解決信息過(guò)載和做出更好的選擇，也是現(xiàn)在互聯(lián)網(wǎng)領(lǐng)域最強(qiáng)大和最流行的信息發(fā)現(xiàn)工具之一。因此，人們提出了各式各樣的推薦技術(shù)，并在過(guò)去的10年中將其中很多方法成功地運(yùn)用在商業(yè)環(huán)境。
推薦系統(tǒng)的發(fā)展需要多學(xué)科的支持，涉及來(lái)自各個(gè)領(lǐng)域的專家知識(shí)，如人工智能、人機(jī)交互、數(shù)據(jù)挖掘、統(tǒng)計(jì)學(xué)、決策支持系統(tǒng)、市場(chǎng)營(yíng)銷和消費(fèi)者行為學(xué)等。
本書第1版在四年前出版，并受到了推薦系統(tǒng)社區(qū)的一致好評(píng)。伴隨著推薦系統(tǒng)研究的日新月異，這些好評(píng)激勵(lì)我們來(lái)更新本書。本書第2版重新整理了第1版中各章節(jié)的內(nèi)容并在相應(yīng)章節(jié)融入了該領(lǐng)域的新進(jìn)展。本書基于第1版做了較大修訂；大約有一半的章節(jié)是新增的，并且保留的章節(jié)相比第1版也做了相應(yīng)更新。
盡管第2版發(fā)生了較大修訂，但本書的目標(biāo)始終不渝。本書呈現(xiàn)了基礎(chǔ)知識(shí)和更高級(jí)的話題兩方面，通過(guò)展示推薦系統(tǒng)的主要概念、理論、方法論、趨勢(shì)、挑戰(zhàn)和應(yīng)用等連貫而又統(tǒng)一的知識(shí)體系，幫助讀者從差異中梳理出頭緒。這是目前唯一一本全面闡述推薦系統(tǒng)的書，完全涵蓋推薦系統(tǒng)主要技術(shù)的多個(gè)方面。本書中的豐富信息和實(shí)踐內(nèi)容為研究人員、學(xué)生和行業(yè)中的實(shí)踐者提供了一個(gè)有關(guān)推薦系統(tǒng)的全面且簡(jiǎn)潔方便的參考源。
本書不僅詳細(xì)地介紹了推薦系統(tǒng)研究的經(jīng)典方法，同時(shí)也介紹了最近發(fā)表的新方法及其擴(kuò)展。本書由五部分組成：推薦系統(tǒng)的技術(shù)、評(píng)估、應(yīng)用、人機(jī)交互及高級(jí)話題。第一部分展示了如今構(gòu)建推薦系統(tǒng)的最流行和最基礎(chǔ)的技術(shù)，如協(xié)同過(guò)濾、基于語(yǔ)義的方法、數(shù)據(jù)挖掘方法和基于情境感知的方法。第二部分主要關(guān)注離線和真實(shí)用戶環(huán)境下用于評(píng)估推薦質(zhì)量的技術(shù)及方法。第三部分包括一些推薦技術(shù)多樣性的應(yīng)用，首先簡(jiǎn)述與工業(yè)實(shí)現(xiàn)和推薦系統(tǒng)開發(fā)相關(guān)的一般性問題，隨后詳細(xì)介紹推薦系統(tǒng)在各領(lǐng)域中的應(yīng)用：音樂、學(xué)習(xí)、移動(dòng)、社交網(wǎng)絡(luò)及它們之間的交互。第四部分包含探討一系列問題的文章，這些問題包括推薦的展示、瀏覽、解釋和視覺化以及人工決策與推薦系統(tǒng)相關(guān)的重要問題。第五部分收集了一些關(guān)于高級(jí)話題的文章，例如，利用主動(dòng)學(xué)習(xí)技術(shù)來(lái)引導(dǎo)新知識(shí)的學(xué)習(xí)，構(gòu)建能夠抵擋惡意用戶攻擊的健壯推薦系統(tǒng)的合適技術(shù)，以及結(jié)合多種用戶反饋和偏好來(lái)生成更加可靠的推薦系統(tǒng)。
我們要感謝所有為本書做出貢獻(xiàn)的作者。感謝所有審閱人員提出的慷慨意見及建議。特別感謝Susan Lagerstrom-Fife和Springer的成員，感謝他們?cè)趯戇@本書過(guò)程中的合作。最后我們希望這本書有助于這一學(xué)科的發(fā)展，為新手提供一個(gè)卓有成效的學(xué)習(xí)方案，能夠激起更多專業(yè)人士有興趣參與本書所討論的主題，使這個(gè)具有挑戰(zhàn)性的領(lǐng)域能夠碩果累累，長(zhǎng)足發(fā)展。
Francesco RicciLior RokachBracha Shapira
弗朗西斯科·里奇（Francesco Ricci），意大利博爾扎諾自由大學(xué)計(jì)算機(jī)科學(xué)副教授。目前他的研究興趣包括推薦系統(tǒng)、智能接口、移動(dòng)系統(tǒng)、機(jī)器學(xué)習(xí)、案例推理、信息和通信技術(shù)在旅游中的應(yīng)用。他是《Journal of Information Technology and Tourism》雜志的編委，還是ACM和IEEE會(huì)員。他還是ACM會(huì)議推薦系統(tǒng)分會(huì)的指導(dǎo)委員會(huì)成員。
利奧·羅卡奇（Lior Rokach），以色列本-古里安大學(xué)信息系統(tǒng)工程系助理教授。他是智能信息系統(tǒng)方面公認(rèn)的專家，在這一領(lǐng)域處于領(lǐng)先地位。他的主要研究領(lǐng)域包括數(shù)據(jù)挖掘、模式識(shí)別和推薦系統(tǒng)。他的70篇論文被主流期刊、會(huì)議和書籍等引用。
布拉哈·夏皮拉（Bracha Shapira），以色列本-古里安大學(xué)信息系統(tǒng)工程系助理教授。目前她的研究興趣包括推薦系統(tǒng)、信息檢索、個(gè)性化、用戶建模和社交網(wǎng)絡(luò)。她是本-古里安大學(xué)德國(guó)電信實(shí)驗(yàn)室研究項(xiàng)目負(fù)責(zé)人，并且還是ACM和IEEE會(huì)員。
目 錄
Recommender Systems Handbook,Second Edition
出版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡(jiǎn)介
第1章 推薦系統(tǒng)：簡(jiǎn)介和挑戰(zhàn)1
1.1 簡(jiǎn)介1
1.2 推薦系統(tǒng)的功能3
1.3 數(shù)據(jù)和知識(shí)來(lái)源5
1.4 推薦技術(shù)7
1.5 推薦系統(tǒng)評(píng)估10
1.6 推薦系統(tǒng)應(yīng)用11
1.7 推薦系統(tǒng)與人機(jī)交互13
1.8 高級(jí)話題14
1.9 挑戰(zhàn)16
1.9.1 偏好獲取與分析16
1.9.2 交互17
1.9.3 新的推薦任務(wù)18
參考文獻(xiàn)19
第一部分 推薦系統(tǒng)技術(shù)
第2章 基于鄰域的推薦方法綜述24
2.1 簡(jiǎn)介24
2.1.1 基于鄰域方法的優(yōu)勢(shì)25
2.1.2 目標(biāo)和概要26
2.2 問題定義和符號(hào)26
2.3 基于鄰域的推薦27
2.3.1 基于用戶的評(píng)分預(yù)測(cè)28
2.3.2 基于用戶的分類預(yù)測(cè)方法28
2.3.3 回歸與分類29
2.3.4 基于物品的推薦29
2.3.5 基于用戶和基于物品的推薦方法的比較30
2.4 基于鄰域方法的要素31
2.4.1 評(píng)分標(biāo)準(zhǔn)化31
2.4.2 相似度權(quán)重的計(jì)算33
2.4.3 鄰域的選擇37
2.5 高級(jí)進(jìn)階技術(shù)37
2.5.1 基于圖的方法38
2.5.2 基于學(xué)習(xí)的方法40
2.6 總結(jié)44
參考文獻(xiàn)44
第3章 協(xié)同過(guò)濾方法進(jìn)階48
3.1 簡(jiǎn)介48
3.2 預(yù)備知識(shí)49
3.2.1 基準(zhǔn)預(yù)測(cè)49
3.2.2 Netflix數(shù)據(jù)50
3.2.3 隱式反饋51
3.3 矩陣分解模型51
3.3.1 SVD52
3.3.2 SVD++53
3.3.3 時(shí)間敏感的因子模型54
3.3.4 比較57
3.3.5 小結(jié)58
3.4 基于鄰域的模型59
3.4.1 相似度度量59
3.4.2 基于相似度的插值60
3.4.3 聯(lián)合派生插值權(quán)重61
3.4.4 小結(jié)63
3.5 增強(qiáng)的基于鄰域的模型63
3.5.1 全局化的鄰域模型64
3.5.2 因式分解的鄰域模型67
3.5.3 基于鄰域模型的動(dòng)態(tài)時(shí)序71
3.5.4 小結(jié)72
3.6 基于鄰域的模型和因子分解模型的比較73
參考文獻(xiàn)75
第4章 基于內(nèi)容的語(yǔ)義感知推薦系統(tǒng)77
4.1 簡(jiǎn)介77
4.2 基于內(nèi)容的推薦系統(tǒng)概述77
4.2.1 基于關(guān)鍵詞的向量空間模型79
4.2.2 用戶特征學(xué)習(xí)的方法80
4.2.3 基于內(nèi)容過(guò)濾的優(yōu)缺點(diǎn)81
4.3 自上而下的語(yǔ)義方法82
4.3.1 基于本體資源的方法83
4.3.2 基于非結(jié)構(gòu)化或半結(jié)構(gòu)化百科知識(shí)的方法84
4.3.3 基于關(guān)聯(lián)開放數(shù)據(jù)的方法86
4.4 自下而上的語(yǔ)義方法90
4.4.1 基于判別式模型的方法90
4.5 方法比較與小結(jié)94
4.6 總結(jié)與未來(lái)挑戰(zhàn)95
致謝96
參考文獻(xiàn)96
第5章 基于約束的推薦系統(tǒng)103
5.1 簡(jiǎn)介103
5.2 推薦知識(shí)庫(kù)的開發(fā)105
5.3 推薦過(guò)程中的用戶導(dǎo)向作用108
5.4 計(jì)算推薦結(jié)果113
5.5 實(shí)際應(yīng)用的經(jīng)驗(yàn)114
5.6 未來(lái)的研究方法116
5.7 總結(jié)118
參考文獻(xiàn)118
第6章 情境感知推薦系統(tǒng)123
6.1 簡(jiǎn)介和動(dòng)機(jī)123
6.2 推薦系統(tǒng)中的情境124
6.2.1 什么是情境124
6.2.2 推薦系統(tǒng)中模型化情境信息的表征性方法125
6.2.3 推薦系統(tǒng)中主要的情境信息建模方法127
6.2.4 獲取情境信息130
6.3 結(jié)合具有代表性情境的推薦系統(tǒng)范式131
6.3.1 情境預(yù)過(guò)濾133
6.3.2 情境后過(guò)濾136
6.3.3 情境建模137
6.4 討論和總結(jié)138
致謝140
參考文獻(xiàn)140
第7章 推薦系統(tǒng)中的數(shù)據(jù)挖掘方法145
7.1 簡(jiǎn)介145
7.2 數(shù)據(jù)預(yù)處理146
7.2.1 相似度度量方法146
7.2.2 抽樣147
7.2.3 降維148
7.2.4 去噪150
7.3 監(jiān)督學(xué)習(xí)150
7.3.1 分類150
7.3.2 分類器的集成157
7.3.3 評(píng)估分類器157
7.4 無(wú)監(jiān)督學(xué)習(xí)159
7.4.1 聚類分析159
7.4.2 關(guān)聯(lián)規(guī)則挖掘161
7.5 總結(jié)162
參考文獻(xiàn)163
第二部分 推薦系統(tǒng)評(píng)估
第8章 推薦系統(tǒng)的評(píng)估170
8.1 簡(jiǎn)介170
8.2 實(shí)驗(yàn)設(shè)置171
8.2.1 離線實(shí)驗(yàn)172
8.2.2 用戶調(diào)查173
8.2.3 在線評(píng)估175
8.2.4 得出可靠結(jié)論176
8.3 推薦系統(tǒng)屬性178
8.3.1 用戶偏好179
8.3.2 預(yù)測(cè)精度179
8.3.3 覆蓋率186
8.3.4 置信度187
8.3.5 信任度188
8.3.6 新穎性188
8.3.7 驚喜度189
8.3.8 多樣性190
8.3.9 效用191
8.3.10 風(fēng)險(xiǎn)191
8.3.11 健壯性192
8.3.12 隱私192
8.3.13 適應(yīng)性193
8.3.14 可擴(kuò)展性193
8.4 結(jié)論193
參考文獻(xiàn)194
第9章 使用用戶實(shí)驗(yàn)評(píng)估推薦系統(tǒng)198
9.1 簡(jiǎn)介198
9.2 理論基礎(chǔ)與現(xiàn)有工作199
9.2.1 理論基礎(chǔ)：Knijnenburg等人提出的評(píng)估框架199
9.2.2 現(xiàn)有以用戶為中心的研究概覽以及有前景的方向201
9.3 實(shí)踐指南203
9.3.1 研究模型203
9.3.2 參與者206
9.3.3 實(shí)驗(yàn)操控207
9.3.4 測(cè)量209
9.3.5 統(tǒng)計(jì)評(píng)估214
9.4 結(jié)論219
參考文獻(xiàn)221
第10章 對(duì)推薦結(jié)果的解釋：設(shè)計(jì)和評(píng)估228
10.1 簡(jiǎn)介228
10.2 推薦設(shè)計(jì)的呈現(xiàn)和交互229
10.2.1 推薦呈現(xiàn)229
書單推薦
