机读格式显示(MARC)

• 000 01362nam0 2200265 450

• 001 0000617221

• 005 20241208141800.0

• 010 __ |a 978-7-5218-4537-2 |d CNY78.00

• 100 __ |a 20230510d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 社交推荐中的用户相似度优化研究 |A she jiao tui jian zhong de yong hu xiang si du you hua yan jiu |f 韩迪著

• 210 __ |a 北京 |c 经济科学出版社 |d 2023

• 215 __ |a 195页 |c 图 |d 24cm

• 300 __ |a 本书受到广东省教育厅2020年重点领域专项 (编号2020ZDZX3066) 的支持

• 314 __ |a 韩迪, 计算机技术及其应用专业博土、副教授、硕士生导师。现任广东金融学院专任教师、开源中国Gitee技术顾问, 曾任香港理工大学副研究员。

• 320 __ |a 有书目

• 330 __ |a 本书通过对推荐系统中用户相似度的设计优化, 解决了目前推荐系统中“确定的”数据无法准确描述人类模糊性情感的问题展开。推荐系统中相似度研究的最高目标是尽可能的模拟人对研究对象的主观感受, 从工程角度来说是模拟同主观认知尽可能一致的客观相似度组合模型。主观寻找相似用户的过程可分为“感知、理解和评价”三个阶段, 基于此, 本书提出了一种符合主观特点的客观相似度组合模型框架, 主要工作围绕三个阶段展开如下: 本书从代表性的相似度算法分析入手, 分析影响用户评分行为的相似性因素。

• 606 0_ |a 数据处理 |A shu ju chu li

• 690 __ |a TP274 |v 5

• 701 _0 |a 韩迪 |A han di |4 著

• 801 _0 |a CN |b 湖北三新 |c 20230510

• 905 __ |a WXCSXY |d TP274/924