推薦系統(tǒng)

 
第1章　引言　　1
1.1　 第一部分：基本概念　　2
1.1.1　 協(xié)同過濾推薦　　2
1.1.2　 基于內(nèi)容的推薦　　2
1.1.3　 基于知識(shí)的推薦　　3
1.1.4　 混合推薦方法　　4
1.1.5　 推薦系統(tǒng)的解釋　　4
1.1.6　 評(píng)估推薦系統(tǒng)　　4
1.1.7　 案例研究　　5
1.2　 第二部分：最新進(jìn)展　　5
第一部分　基本概念
第2章　協(xié)同過濾推薦　　8
2.1　 基于用戶的最近鄰?fù)扑]　　8
2.1.1　 第一個(gè)例子　　8
2.1.2　 更好的相似度和賦權(quán)體系　　10
2.1.3　 選擇近鄰　　11
2.2　 基于物品的最近鄰?fù)扑]　　11
2.2.1　 余弦相似度度量　　12
2.2.2　 基于物品過濾的數(shù)據(jù)預(yù)處理　　13
2.3　 關(guān)于評(píng)分　　14
2.3.1　 隱式和顯式評(píng)分　　14
2.3.2　 數(shù)據(jù)稀疏和冷啟動(dòng)問題　　15
2.4　 更多基于模型和預(yù)處理的方法　　16
2.4.1　 矩陣因子分解　　17
2.4.2　 關(guān)聯(lián)規(guī)則挖掘　　20
2.4.3　 基于概率分析的推薦方法　　22
2.5　 近來實(shí)際的方法和系統(tǒng)　　25
2.5.1　 Slope One預(yù)測(cè)器　　26
2.5.2　 Google新聞個(gè)性化推薦引擎　　28
2.6　 討論和小結(jié)　　30
2.7　 書目注釋　　31
第3章　基于內(nèi)容的推薦　　32
3.1　 內(nèi)容表示和相似度　　33
3.1.1　 向量空間模型和TF-IDF　　34
3.1.2　 向量空間模型的改進(jìn)及局限　　35
3.2　 基于內(nèi)容相似度檢索　　36
3.2.1　 最近鄰　　36
3.2.2　 相關(guān)性反饋——Rocchio方法　　37
3.3　 其他文本分類方法　　40
3.3.1　 基于概率模型的方法　　40
3.3.2　 其他線性分類器和機(jī)器學(xué)習(xí)　　43
3.3.3　 顯式?jīng)Q策模型　　44
3.3.4　 特征選擇　　45
3.4　 討論　　47
3.4.1　 對(duì)比評(píng)估　　47
3.4.2　 局限　　47
3.5　 小結(jié)　　48
3.6　 書目注釋　　49
第4章　基于知識(shí)的推薦　　51
4.1　 介紹　　51
4.2　 知識(shí)表示法和推理　　52
4.2.1　 約束　　52
4.2.2　 實(shí)例與相似度　　54
4.3　 與基于約束推薦系統(tǒng)交互　　55
4.3.1　 默認(rèn)設(shè)置　　55
4.3.2　 處理不滿意的需求和空結(jié)果集　　57
4.3.3　 提出對(duì)未滿足需求的修改建議　　61
4.3.4　 對(duì)基于物品/效用推薦結(jié)果的排序　　61
4.4　 與基于實(shí)例的推薦系統(tǒng)交互　　64
4.4.1　 評(píng)價(jià)　　65
4.4.2　 混合評(píng)價(jià)　　67
4.4.3　 動(dòng)態(tài)評(píng)價(jià)　　67
4.4.4　 高級(jí)的物品推薦方法　　70
4.4.5　 評(píng)價(jià)多樣性　　71
4.5　 應(yīng)用實(shí)例　　72
4.5.1　 VITA——基于約束的推薦系統(tǒng)　　72
4.5.2　 Entree——基于實(shí)例的推薦系統(tǒng)　　77
4.6　 書目注釋　　79
第5章　混合推薦方法　　80
5.1　 混合推薦的時(shí)機(jī)　　81
5.1.1　 推薦理論框架　　81
5.1.2　 混合設(shè)計(jì)　　82
5.2　 整體式混合設(shè)計(jì)　　83
5.2.1　 特征組合的混合方案　　84
5.2.2　 特征補(bǔ)充的混合方案　　85
5.3　 并行式混合設(shè)計(jì)　　87
5.3.1　 交叉式混合　　87
5.3.2　 加權(quán)式混合　　88
5.3.3　 切換式混合　　89
5.4　 流水線混合設(shè)計(jì)　　90
5.4.1　 串聯(lián)混合　　90
5.4.2　 分級(jí)混合　　91
5.5　 討論和小結(jié)　　92
5.6　 書目注釋　　92
第6章　推薦系統(tǒng)的解釋　　94
6.1　 介紹　　94
6.2　 基于約束的推薦系統(tǒng)中的解釋　　96
6.2.1　 實(shí)例　　97
6.2.2　 通過推導(dǎo)生成解釋　　99
6.2.3　 可靠解釋的分析與概述　　100
6.2.4　 可靠解釋　　102
6.3　 基于實(shí)例推薦系統(tǒng)的解釋　　103
6.4　 協(xié)同過濾推薦系統(tǒng)的解釋　　106
6.5　 小結(jié)　　108
第7章　評(píng)估推薦系統(tǒng)　　109
7.1　 介紹　　109
7.2　 評(píng)估研究的一般特性　　110
7.2.1　 總論　　110
7.2.2　 評(píng)估方案的實(shí)驗(yàn)對(duì)象　　111
7.2.3　 研究方法　　113
7.2.4　 評(píng)估環(huán)境　　115
7.3　 主流推薦方案　　115
7.4　 歷史數(shù)據(jù)集評(píng)估　　116
7.4.1　 方法論　　116
7.4.2　 衡量標(biāo)準(zhǔn)　　117
7.4.3　 結(jié)果的分析　　121
7.5　 其他評(píng)估方案　　121
7.5.1　 實(shí)驗(yàn)性研究方案　　122
7.5.2　 準(zhǔn)實(shí)驗(yàn)研究方案　　122
7.5.3　 非實(shí)驗(yàn)研究方案　　123
7.6　 小結(jié)　　123
7.7　 書目注釋　　124
第8章　案例分析：移動(dòng)互聯(lián)網(wǎng)個(gè)性化游戲推薦　　125
8.1　 應(yīng)用與個(gè)性化概述　　126
8.2　 算法和評(píng)級(jí)　　128
8.3　 評(píng)估　　128
8.3.1　 測(cè)量1：我的推薦　　129
8.3.2　 測(cè)量2：售后推薦　　131
8.3.3　 測(cè)量3：起始頁推薦　　133
8.3.4　 測(cè)量4：演示版下載的整體效果　　135
8.3.5　 測(cè)量5：整體效果　　136
8.4　 小結(jié)與結(jié)論　　138
第二部分　最新進(jìn)展
第9章　針對(duì)協(xié)同推薦系統(tǒng)的攻擊　　140
9.1　 第一個(gè)例子　　141
9.2　 攻擊維度　　141
9.3　 攻擊類型　　142
9.3.1　 隨機(jī)攻擊　　142
9.3.2　 均值攻擊　　143
9.3.3　 造勢(shì)攻擊　　143
9.3.4　 局部攻擊　　143
9.3.5　 針對(duì)性的打壓攻擊　　144
9.3.6　 點(diǎn)擊流攻擊和隱式反饋　　144
9.4　 效果評(píng)估和對(duì)策　　145
9.4.1　 推舉攻擊　　145
9.4.2　 打壓攻擊　　146
9.5　 對(duì)策　　146
9.6　 隱私方面——分布式協(xié)同過濾　　148
9.6.1　 集中方法：數(shù)據(jù)擾動(dòng)　　149
9.6.2　 分布式協(xié)同過濾　　150
9.7　 討論　　153
第10章　在線消費(fèi)決策　　155
10.1　 介紹　　155
10.2　 環(huán)境效應(yīng)　　156
10.3　 首位/新近效應(yīng)　　159
10.4　 其他效應(yīng)　　160
10.5　 個(gè)人和社會(huì)心理學(xué)　　161
10.6　 書目注釋　　167
第11章　推薦系統(tǒng)和下一代互聯(lián)網(wǎng)　　168
11.1　 基于信任網(wǎng)絡(luò)的推薦系統(tǒng)　　169
11.1.1　 利用顯式的信任網(wǎng)絡(luò)　　169
11.1.2　 信任度度量方法和效果　　171
11.1.3　 相關(guān)方法和近期進(jìn)展　　172
11.2　 大眾分類法及其他　　174
11.2.1　 基于大眾分類法的推薦　　174
11.2.2　 推薦標(biāo)簽　　181
11.2.3　 在分享媒體中推薦內(nèi)容　　183
11.3　 本體過濾　　185
11.3.1　 通過分類改進(jìn)過濾　　185
11.3.2　 通過屬性改進(jìn)過濾　　188
11.4　 從網(wǎng)絡(luò)抽取語義　　189
11.5　 小結(jié)　　191
第12章　普適環(huán)境中的推薦　　192
12.1　 介紹　　192
12.2　 上下文感知推薦　　193
12.3　 應(yīng)用領(lǐng)域　　195
12.4　 小結(jié)　　197
第13章　總結(jié)和展望　　198
13.1　 總結(jié)　　198
13.2　 展望　　198
參考文獻(xiàn)　　201
索引　　223