题名:
统计推荐系统   / (美) 迪帕克·K. 阿加瓦尔, 陈必衷著 , 戴薇, 潘微科, 明仲译
ISBN:
978-7-111-63573-4 价格: CNY89.00
语种:
chi
载体形态:
220页 图 26cm
出版发行:
出版地: 北京 出版社: 机械工业出版社 出版日期: 2019
内容提要:
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。 
主题词:
统计程序  
中图分类法:
TP319 版次: 5
主要责任者:
阿加瓦尔
主要责任者:
陈必衷
次要责任者:
戴薇
次要责任者:
潘微科
次要责任者:
明仲
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。 
索书号:
3