基于链路预测的推荐系统-原理.模型与算法( 货号:756355486) pdf pdb 阿里云 极速 mobi caj kindle 下载

基本信息

商品名称： 基于链路预测的推荐系统-原理.模型与算法

出版社： 北京邮电大学出版社

出版时间：2018-09-01

作者：朱旭振

译者：

开本： 16开

定价： 38.00

页数：

印次： 1

ISBN号：9787563554867

商品类型：图书

版次： 1 内容提要

飞速发展的计算机、互联网和web技术改变了人们的生活，人们在虚拟社区中结交好友、在新闻网站中浏览新闻、在视频网站中观看电影、在虚拟图书馆中查阅书籍、在电商平台中购买物品。但是，人们在享受多彩生活的同时也感受到了信息膨胀带来的烦恼，即人们无法在海量数据中快速有效地找到Z相关的信息。电影、书籍、网页等信息的数据量动辄以千万J，这些数据信息的增长速度已经远远超过了人类的自然处理能力。在这种大数据的背景下，用户获取所需信息的代价越来越大，仅仅依靠传统人力的方式已经无法评价和选择这些物品。在这种情况下，有效过滤海量信息的Z有吸引力的方法就是个性化推荐技术。它利用用户个人信息，例如用户活动的历史记录，发现用户喜好，然后根据用户喜好进行推荐，例如Amazon.com使用用户的购买历史记录向用户推荐书籍，AdaptiveInfo.com使用用户的阅读历史向用户推荐新闻，还有TiVo数字视频系统根据用户的观看模式和评分记录向用户推荐电视节目。

本研究从单一节点网络上的链路预测研究入手，研究二部图网络上的链路预测，建模物品之间的相似性，结合协作技术完成推荐。首先，介绍一般网络上基于拓扑相似性的链路预测算法研究，进一步分别从路径有效性和端点影响力角度出发，研究端点间相似性模型。其次，应用超图理论和物质扩散理论，将一般网络上的链路预测算法扩展到二部图上，预测物品间相似性，然后基于协作过滤算法，实现物品推荐。Z后，本研究给出了进行链路预测研究的一般方法、数据来源、数据处理方法、实验方法以及Matlab实现代码，同时给出了二部图网络上推荐研究的一般方法、数据来源、数据处理方法、实验方法以及Matlab实现代码。以期能帮助大家尽快熟悉，为进一步深入研究做好铺垫。

目录

第1部分 基础知识

第1章 绪论

1.1 研究背景

1.1.1 推荐系统的发展现状及特征分析

1.1.2 推荐系统的G内外研究现状

1.2 相关理论基础

1.2.1 复杂网络理论基础

1.2.2 链路预测理论

1.2.3 基于链路预测的协同推荐理论

1.3 复杂网络下基于链路预测推荐所面临的问题及研究意义

1.3.1 面临的问题

1.3.2 研究意义

1.4 研究思路

1.5 本书的主要内容

本章参考文献

第2部分 复杂网络上的链路预测方法

第2章 网络分析软件Pajek

2.1 Pajek软件介绍

2.1.1 高速计算

2.1.2 可视化

2.1.3 抽象化

2.2 Pajek软件使用基础

2.3 Pajek软件分析网络属性

2.3.1 度的计算

2.3.2 两点间的距离

2.3.3 k近邻

2.3.4 聚类系数

2.4 Pajek软件抽取J大连通子图

2.5 Pajek软件网络画图

2.5.1 绘制复杂网络图

2.5.2 绘制不同类节点的复杂网络图

2.5.3 绘制不同大小节点的复杂网络图

2.5.4 绘制不同权值边的复杂网络图

2.6 网络文件.简介

2.6.1 Pajek网络文件的一般结构

2.6.2 具体参数的意义和取值

2.6.3 文件举例

2.7 本章小结

本章参考文献

第3章 基于相似性的链路预测研究

3.1 链路预测的研究方法

3.2 链路预测的典型研究成果

3.3 链路预测的实验数据

3.4 链路预测的实验方法

3.4.1 数据集划分方法

3.4.2 链路预测的度量指标

3.5 链路预测重要代码讲解

3.5.1 数据集划分代码讲解

3.5.2 关键测试指标代码讲解

3.6 基于拓扑相似性链路预测的思考

3.7 本章小结

本章参考文献

第4章 基于弱关系的链路预测算法

4.1 研究背景

4.2 问题描述

4.3 基于弱关系的优化链路预测模型

4.3.1 算法、AA算法和RA算法介绍

4.3.2 改进优化算法模型

4.4 实验结果与分析

4.4.1 数据集

4.4.2 度量指标

4.4.3 结果与分析

4.5 本章小结

4.6 研究思考

本章参考文献

第5章 基于路径异构性的链路预测算法

5.1 研究背景

5.2 问题描述

5.3 基于路径异构性的链路预测建模

5.3.1 SP模型

5.3.2 对比算法

5.4 实验结果与分析

5.4.1 数据集

5.4.2 评估准则

5.4.3 结果与分析

5.5 本章小结

5.6 研究思考

本章参考文献

第6章 基于端点影响力的链路预测算法

6.1 研究背景

6.2 问题描述

6.3 基于端点影响力建立链路预测模型

6.3.1 EP模型

6.3.2 对比算法

6.4 实验结果与分析

6.4.1 数据集

6.4.2 评估准则

6.4.3 结果与分析

6.5 本章小结

6.6 研究思考

本章参考文献

第3部分 基于链路预测的推荐算法研究

第7章 推荐模型的研究方法

7.1 推荐模型常见研究方法

7.2 基于链路预测的推荐模型研究方法

7.3 推荐技术的典型研究成果

7.4 推荐技术的研究数据介绍

7.5 推荐实验方法

7.5.1 数据集划分方法

7.5.2 推荐算法的度量指标

7.6 推荐算法重要代码讲解

7.6.1 数据集划分代码讲解

7.6.2 推荐算法关键指标代码讲解

7.7 基于二部图推荐算法的研究思路

7.8 本章小结

本章参考文献

第8章 基于修正相似性的协作推荐算法

8.1 研究背景

8.2 问题描述

8.3 基于修正相似性的推荐算法CSI

8.3.1 基于二部图网络的经典相似性算法

8.3.2 相似性修正模型CSI

8.3.3 对比算法

8.4 实验结果与分析

8.4.1 数据集

8.4.2 评价准则

8.4.3 结果与分析

8.5 本章小结

8.6 研究思考

本章参考文献

第9章 基于一致性的协作推荐算法

9.1 研究背景

9.2 问题描述

9.3 基于一致性的推荐算法CBI

9.3.1 基于网络的因果性推荐算法NBI

9.3.2 基于一致性的推荐算法CBI和UCBI

9.3.3 对比算法

9.4 实验结果与分析

9.4.1 数据集

9.4.2 评价准则

9.4.3 结果与分析

9.5 本章小结

9.6 研究思考

本章参考文献

第10章 基于一致性冗余删除的协作推荐算法

10.1 研究背景

10.2 问题描述

10.3 修正冗余删除推荐算法

10.3.1 相似性估计偏差现象

10.3.2 相似性冗余问题

10.3.3 修正冗余删除相似性指标CRE

10.3.4 对比算法

10.4 实验结果与分析

10.4.1 数据集

10.4.2 评价准则

10.4.3 结果与分析

10.5 本章小结

10.6 研究思考

本章参考文献

第11章 一致性下基于惩罚过度扩散的推荐算法

11.1 研究背景

11.2 问题描述

11.3 对称和过度扩散惩罚算法模型

11.3.1 非对称扩散问题

11.3.2 扩散冗余问题

11.3.3 基于对称的过度扩散惩罚模型

11.3.4 对比算法

11.4 实验结果与分析

11.4.1 数据集

11.4.2 评价准则

11.4.3 结果与分析

11.5 本章小结

11.6 研究思考

本章参考文献

第4部分 总结与未来展望

第12章 总结和展望

12.1 总结

12.2 未来研究展望

作者简介

朱旭振，男，讲师。2015年毕业于北京邮电大学通信与信息系统专业，获得博士学位。专注于大数据环境下的链路预测、推荐系统以及复杂网络上的传播动力学，主持一项G家自然科学基金项目，并参与多项863项目和G家自然科学基金项目。负责多项数据挖掘和分析项目，发表论文多篇。研究方向：大数据环境下的数据挖掘与传播动力学研究。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：基于链路预测的推荐系统-原理.模型与算法( 货号:756355486)在线阅读

在线听书地址：基于链路预测的推荐系统-原理.模型与算法( 货号:756355486)在线收听

在线购买地址：基于链路预测的推荐系统-原理.模型与算法( 货号:756355486)在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

编辑推荐

本书从单一节点网络上的链路预测研究入手，研究端点间影响相似性的拓扑因素，并进一步基于超图理论和物质扩散理论，将研究结果扩展至对二部图上物品间的链路预测建模，发现物品间的相似性，结合协作技术完成推荐。本书首先介绍基础知识，使得读者对复杂网络有基本的认识，并介绍复杂网络分析工具Pajek；其次介绍一般网络上单一节点间的链路预测研究；接着介绍了二部图上基于链路预测的协作推荐研究；*后进行总结并展望未来的研究方向。本书采用问题描述、理论建模、数据仿真、性能计算的方法介绍各个实例的研究思路，通过作者的研究举例，针对每个研究点介绍研究方法，并给出此项研究的参考文献，同时引导读者思考未来可能的研究思路。通过介绍各个研究案例，可以帮助读者快速进入未来的研究课题。