机读格式显示(MARC)

• 000 02046oam2 2200289 450

• 001 0000446394

• 005 20170101141900.0

• 010 __ |a 978-7-03-047305-9 |d CNY110.00

• 100 __ |a 20160210d2016 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 基于屏幕视觉热区的用户偏好提取及个性化推荐 |A Ji Yu Ping Mu Shi Jue Re Qu De Yong Hu Pian Hao Ti Qu Ji Ge Xing Hua Tui Jian |f 刘凯著

• 210 __ |a 北京 |c 科学出版社 |d 2016.2

• 215 __ |a 236页 |c 图 |d 24cm

• 225 2_ |a 知识管理与知识服务研究 |A Zhi Shi Guan Li Yu Zhi Shi Fu Wu Yan Jiu

• 300 __ |a 本书获国家“863”计划基金项目“基于行为心理动力学模型的群体行为分析与事件态势感知技术”(编号：2014AA015103),国家自然科学基金项目“基于屏幕视觉热构的网络用户偏好提取及交互式个性化推荐研究”(编号：71571084),国家自然科学基金项目“基于用户偏好感知的SaaS服务选择优化研究”(编号：71271099)的支持

• 320 __ |a 有书目 (第209-232页) 和索引

• 330 __ |a 本书通过较为全面和系统的文献综述，揭示出当前个性化推荐系统存在的主要问题在于高质量用户偏好数据的匮乏与种类多样的推荐算法之间的矛盾，实乃“巧妇难为无米之炊”。用户偏好乃个性化推荐系统之基，当前用户偏好获取存在两个方面的不足：一是基本数据分析来源的用户评分、评论和标签等标注行为发生频率非常低，容易产生数据稀疏问题；二是日志分析粒度太粗，毕竟日志分析以单页为基本单元而用户在特定网页并非均匀浏览而是不同部分有不同的侧重，从而无法具体得到用户更为精准的偏好信息。此外，对用户评论与评分不一致的现象进行了修正，意图使用更为真实客观的评分与评价信息向用户呈现推荐的原因；最后，以用户为中心，通过对用户与推荐系统交互行为的观察及用户即时、短期及长期偏好的充分利用，提出交互收敛式个性化推荐算法进行实时推荐，力图确保推荐精确性的前提下提高推荐的多样性，从而有效提升个性化推荐系统的可用性、易用性及用户满意度。

• 333 __ |a 高校管理科学、信息科学、计算机科学和心理学相关专业用书

• 410 _0 |1 2001 |a 知识管理与知识服务研究

• 606 0_ |a 互联网络 |A Hu Lian Wang Luo |x 数据处理 |x 算法分析

• 690 __ |a TP274 |v 5

• 701 _0 |a 刘凯 |A Liu Kai |4 著

• 801 _0 |a CN |b 江苏新华 |c 20160321

• 905 __ |a WXCSXY |d TP274/199