基本信息

书名：用户网络行为画像——大数据中的用户网络行为画像分析与内容推荐应用

定价：59.00元

作者：牛温佳

出版社：电子工业出版社

出版日期：2016-03-01

ISBN：9787121280702

字数：

页码：

版次：1

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

内容提要

如何能牢牢地黏住老用户、吸引新用户、读懂用户的偏好兴趣和喜怒哀乐，这都是对企业发展至关重要甚至关乎生死存亡的问题，解决这个问题的方法就是推荐系统。本书分为上中下三篇，共13章，上篇为用户画像知识工程基础，包括表征建模、画像计算、存储及各种更新维护等管理作；中篇为推荐系统与用户画像，包括传统协同过滤等经典推荐算法的介绍，以及涉及用户画像的推荐方法；下篇为应用案例分析，包括Netflix、阿里等数据竞赛的经典数据案例，以及在具体工程开发过程的具体案例，分别从系统需求、总体结构、算法设计、运行流程及测试结果等五个方面提供详细案例指导。

目录

目 录上 篇章 用户画像概述31.1 用户画像数据来源31.1.1 用户属性51.1.2 用户观影行为51.2 用户画像特性51.2.1 动态性51.2.2 时空局部性61.3 用户画像应用领域61.3.1 搜索引擎61.3.2 推荐系统71.3.3 其他业务定制与优化71.4 大数据给用户画像带来的机遇与挑战82章 用户画像建模92.1 用户定量画像92.2 用户定性画像102.2.1 标签与用户定性画像102.2.2 基于知识的用户定性画像分析122.2.3 用户定性画像的构建162.2.4 定性画像知识的存储222.2.5 定性画像知识的推理262.3 本章参考文献293章 *体用户画像分析313.1 用户画像相似度323.1.1 定量相似度计算323.1.2 定性相似度计算343.1.3 综合相似度计算353.2 用户画像聚类364章 用户画像管理414.1 存储机制414.1.1 关系型数据库424.1.2 NoSQL数据库434.1.3 数据仓库454.2 查询机制464.3 定时更新机制474.3.1 获取实时用户信息474.3.2 更新触发条件484.3.3 更新机制49中 篇5章 视频推荐概述555.1 主流推荐方法的分类565.1.1 协同过滤的推荐方法565.1.2 基于内容的推荐方法575.1.3 基于知识的推荐方法595.1.4 混合推荐方法605.2 推荐系统的评测方法615.3 视频推荐与用户画像的逻辑关系616章 协同过滤推荐方法656.1 概述656.2 关系矩阵及矩阵计算676.2.1 U-U矩阵676.2.2 V-V矩阵706.2.3 U-V矩阵726.3 基于记忆的协同过滤算法746.3.1 基于用户的协同过滤算法756.3.2 基于物品的协同过滤算法786.4 基于模型的协同过滤算法816.4.1 基于隐因子模型的推荐算法826.4.2 基于朴素贝叶斯分类的推荐算法856.5 小结886.6 本章参考文献887章 基于内容的推荐方法917.1 概述917.2 CB推荐中的特征向量947.2.1 视频推荐中的物品画像947.2.2 视频推荐中的用户画像967.3 基础CB推荐算法977.4 基于TF-IDF的CB推荐算法997.5 基于KNN的CB推荐算法1027.6 基于Rocchio的CB推荐算法1047.7 基于决策树的CB推荐算法1067.8 基于线性分类的CB推荐算法1077.9 基于朴素贝叶斯的CB推荐算法1097.10 小结1117.11 本章参考文献1118章 基于知识的推荐方法1138.1 概述1138.2 约束知识与约束推荐算法1148.2.1 约束知识示例1148.2.2 约束满足问题1158.2.3 约束推荐算法流程1178.3 关联知识与关联推荐算法1188.3.1 关联规则描述1188.3.2 关联规则挖掘1218.3.3 关联推荐算法流程1238.4 小结1248.5 本章参考文献1249章 混合推荐方法1259.1 概述1259.2 算法设计层面的混合方法1269.2.1 并行式混合1269.2.2 整体式混合1299.2.3 流*线式混合1319.2.4 典型混合应用系统1339.3 混合式视频推荐实例1369.3.1 MoRe系统概览1369.3.2 MoRe算法介绍1379.3.3 MoRe算法混合1399.3.4 MoRe实验分析1409.4 小结1429.5 本章参考文献1420章 视频推荐评测14510.1 概述14510.2 视频推荐试验方法14610.2.1 在线评测14710.2.2 离线评测14910.2.3 用户调查15010.3 视频离线推荐评测指标15110.3.1 准确度指标15110.3.2 多样性指标15910.4 小结16110.5 本章参考文献162下 篇1章 系统层面的快速推荐构建16511.1 概述16511.2 本章主要内容16611.3 系统部署16611.3.1 Hadoop2.2.0系统部署16611.3.2 Hadoop运行时环境设置16911.3.3 Spark与Mahout部署17511.4 Mahout推荐引擎介绍18111.4.1 Item-based算法18111.4.2 矩阵分解18511.4.3 ALS算法18711.4.4 Mahout的Spark实现19011.5 快速实战19311.5.1 概述19311.5.2 日志数据19411.5.3 运行环境19611.5.4 基于Mahout Item-based算法实践20111.5.5 基于Mahout ALS算法实践20511.6 小结20811.7 本章参考文献2082章 数据层面的分析与推荐案例21112.1 概述21112.2 本章主要内容21212.3 竞赛内容和意义21212.3.1 竞赛简介21212.3.2 竞赛任务和意义21312.4 客户-商户数据21512.4.1 数据描述21512.4.2 数据理解与分析21712.5 算法流程设计21912.5.1 特征提取21912.5.2 分类器设计22012.5.3 算法流程总结22212.6 小结22212.7 本章参考文献223

作者介绍

牛温佳，男，博士，信息工程研究所副研究员。主持国家自然科学基金青年基金项目和广西可信软件重点实验室开放课题各一项，作为骨干先后参与了多个重要项目，包括重大专项、973、863和中科院战略先导专项等。

文摘

序言