以下書況,主觀上皆可閱讀,若收到後不滿意,『都可退書退款』。
書況補充說明: D多處摺頁標籤、水痕、字跡、破損、髒污、泛黃書斑、書章。
【購買須知】
(1)照片皆為現貨實際拍攝,請參書況說明。
(2)『賣場標題、內容簡介』為出版社原本資料,若有疑問請留言,但人力有限,恕不提供大量詢問。
(3)『附件或贈品』,不論標題或內容簡介是否有標示,請都以『沒有附件,沒有贈品』為參考。
(4)訂單完成即『無法加購、修改、合併』,請確認品項、優惠後,再下訂結帳。如有疑問請留言告知。
(5)二手書皆為獨立商品,下訂即刪除該品項,故『取消』後無法重新訂購,須等系統安排『2個月後』重新上架。
(6)收到書籍後,若不滿意,或有缺漏,『都可退書退款』。
[商品主貨號] U102319827
[代售商品編號] 101080700419
[ISBN-13碼] 9787111503934
[ISBN] 7111503937
[作者] (美)弗朗西斯科·里奇
[出版社] 機械工業出版社
[出版日期] 2015/07/01
[內容簡介] (出版商制式文字, 不論標題或內容簡介是否有標示, 請都以『沒有附件、沒有贈品』為參考。)
本書可分成五部分,共25章。第1章是概述,系統介紹推薦系統的概念、功能、應用領域以及當前應用過程中遇到的問題與挑戰。
第一部分(第2~7章)介紹當前構建推薦系統最普遍使用的技術,如協同過濾、基於內容的數據挖掘的方法、上下文相關的方法等。
第二部分(第8~12章)概述已用於評價推薦質量的技術和方法,涉及推薦系統設計與實踐方面;描述設計和實施推薦系統的注意事項;為選擇更合適的算法提供准則,另外評估用於開發推薦系統的方法、挑戰和評測指標。
第三部分(第13~17章)討論推薦系統如何呈現、瀏覽、解釋和可視化等若干問題,這一部分討論的技術使推薦過程更加結構化以及具有可交互性。
第四部分(第18~21章)討論利用各類用戶生成內容(UGC,如標簽、搜索查詢、信任評價等)產生類型新穎且更可信的推薦結果。
第五部分(第22~25章)討論推薦系統的高級課題,如探索用主動學習的原則來指導獲取新知識;防止推薦系統受惡意用戶攻擊的合適技術;如何整合多種類型的用戶反饋以及用戶偏好信息來構造更可靠的推薦系統。)
-----------------------------------------------------------
分享閱讀 書籍狀態請詳看圖示