机读格式显示(MARC)

• 000 02263nam 2200397 450

• 001 0000672415

• 005 20151228122000.0

• 010 __ |a 978-7-111-50393-4 |d CNY139.00

• 100 __ |a 20150811d2015 em y0chiy0120 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 推荐系统 |A Tui Jian Xi Tong |e 技术、评估及高效算法 |f (美) 弗朗西斯科·里奇 ... [等] 编 |d = Recommender systems handbook |f Francesco Ricci |g 李艳民 ... [等] 译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2015

• 215 __ |a xv, 561页 |c 图 |d 26cm

• 225 2_ |a 计算机科学丛书 |A Ji Suan Ji Ke Xue Cong Shu

• 304 __ |a 题名页题其余著者: 利奥·罗卡奇, 布拉哈·夏皮拉等 ; 题名页题其余译者: 胡聪, 吴宾, 王雪丽, 丁彬钊

• 306 __ |a 由Spring Science+Business Media授权

• 320 __ |a 有书目

• 330 __ |a 本书可分成五部分，共25章。第1章是概述，系统介绍推荐系统的概念、功能、应用领域以及当前应用过程中遇到的问题与挑战。第一部分（第2-7章）介绍当前构建推荐系统最普遍使用的技术，如协同过滤、基于内容的数据挖掘的方法、上下文相关的方法等。第二部分（第8-12章）概述已用于评价推荐质量的技术和方法，涉及推荐系统设计与实践方面；描述设计和实施推荐系统的注意事项；为选择更合适的算法提供准则，另外评估用于开发推荐系统的方法、挑战和评测指标。第三部分（第13-17章）讨论推荐系统如何呈现、浏览、解释和可视化等若干问题，这一部分讨论的技术使推荐过程更加结构化以及具有可交互性。第四部分（第18-21章）讨论利用各类用户生成内容（UGC,如标签、搜索查询、信任评价等）产生类型新颖且更可信的推荐结果。第五部分（第22-25章）讨论推荐系统的高级课题，如探索用主动学习的原则来指导获取新知识；防止推荐系统受恶意用户攻击的合适技术；如何整合多种类型的用户反馈以及用户偏好信息来构造更可靠的推荐系统。

• 333 __ |a 推荐系统研发人员。

• 410 _0 |1 2001 |a 计算机科学丛书

• 500 10 |a Recommender systems handbook |m Chinese

• 517 1_ |a 技术、评估及高效算法

• 606 0_ |a 计算机网络 |A Ji Suan Ji Wang Luo

• 690 __ |a TP393 |v 5

• 701 _1 |a 里奇 |A Li Qi |g (Ricci, Francesco) |4 编

• 701 _1 |a 罗卡奇 |A Luo Ka Qi |g (Rokach, Lior) |4 编

• 701 _1 |a 夏皮拉 |A Xia Pi La |g (Shapira, Bracha) |4 编

• 702 _0 |a 李艳民 |A Li Yan Min |4 译

• 702 _0 |a 胡聪 |A Hu Cong |4 译

• 702 _0 |a 吴宾 |A Wu Bin |4 译

• 801 _0 |a CN |b 江苏新华 |c 20150511

• 801 _2 |a CN |b Wuxilib |c 20151228

• 905 __ |a Wuxilib |d TP393/700