推薦系統（技術評估及高效演算法）
內容描述
本書可分成五部分，共25章。
第1章是概述，系統介紹推薦系統的概念、功能、應用領域以及當前應用過程中遇到的問題與挑戰。
第一部分(第2-7章)介紹當前構建推薦系統最普遍使用的技術．如協同過濾、基於內容的數據挖掘方法、上下文相關的方法等。
第二部分(第8-12章)概述已用於評價推薦質量的技術和方法，涉及推薦系統設計與實踐方面，描述設計和實施推薦系統的註意事項，為選擇更合適的演算法提供準則，以及評估用於開發推薦系統的方法、挑戰和評測指標。
第三部分(第13?17章)討論推薦系統如何呈現、瀏覽、解釋和可視化等若乾問題，這一部分討論的技術使推薦過程更加結構化以及具有可交互性。
第四部分(第18?21章)討論利用各類用戶生成內容(UGC，如標籤、搜索查詢、信任評價等)產生類型新穎且更可信的推薦結果。
第五部分(第22?25章)討論推薦系統的高級課題，如探索用主動學習的原則來指導獲取新知識；防止推薦系統受惡意用戶攻擊的合適技術；如何整合多種類型的用戶反饋和用戶偏好信息來構造更可靠的推薦系統。
目錄大綱
出版者的話
推薦序一
推薦序二
譯者序
前言
第1章 概述
第一部分 基礎技術
第2章 推薦系統中的數據挖掘方法
第3章 基於內容的推薦系統：前沿和趨勢
第4章 基於近鄰推薦方法綜述
第5章 協同過濾演算法的高級課題
第6章 開發基於約束的推薦系統
第7章 情境感知推薦系統
第二部分 推薦系統的應用與評估
第8章 推薦系統評估
第9章 IPTV服務提供商推薦系統：一個大規模真實產品環境的應用
第10章 走出實驗室的推薦系統
第11章 匹配推薦系統的技術與領域
第12章 用於技術強化學習的推薦系統
第三部分 推薦系統的影響
第13章 基於評價推薦系統的進展
第14章 構建更值得信任和具有說服力的推薦系統：特性對評估推薦系統的影響
第15章 設計和評估推薦系統的解釋
第16章 基於實例評價研究的產品推薦系統的可用性準則
第17章 基於示意圖的產品目錄可視化
第四部分 推薦系統與群體
第18章 個性化Web搜索中的群體、協作與推薦系統
第19章 社會化標籤推薦系統
第20章 信任和推薦
第21章 組推薦系統
第五部分 高級演算法
第22章 推薦系統中的偏好聚合
第23章 推薦系統中的主動學習
第24章 多準則推薦系統
第25章 具有健壯性的協同推薦
參考文獻
本書貢獻者名單
翻譯團隊名單
作者介紹
弗朗西斯科·里奇、利奧·羅卡奇、布拉哈·夏皮拉、保羅B.坎特編寫的《推薦系統(技術評估及高效演算法)》匯聚不同領域專家學者的理論成果和實踐經驗，全面介紹推薦系統的主要概念、理論、趨勢、挑戰和應用，詳細闡釋如何支持用戶決策、計劃和購買過程。書中既詳細講解了經典方法，又介紹了些新研究成果，內容涵蓋人工智能、人機交互、信息技術、數據挖掘、統計學、自適應用戶界面、決策支持系統、市場和客戶行為等領域，無論是從事技術開發，還是從事產品營銷的讀者，都能從中受益。
相關書籍
_@9789865501440_https://static.coderbridge.com/images/books/9789865501440.jpg)
_@9780672337277_https://static.coderbridge.com/images/books/9780672337277.jpg)
Sams Teach Yourself Big Data Analytics with Microsoft HDInsight in 24 Hours (Paperback)
2015-07-01