作 译 者:牛温佳等 |
出版时间:2016-03 |
千 字 数:330 |
版 次:01-01 |
页 数:236 |
印刷时间: |
开 本:16开 |
印 次:01-01 |
装 帧: |
I S B N :9787121280702 |
|
重 印:新书 |
换 版: |
|
所属分类:科技 >> 计算机 >> 网络与互联网 |
广告语: |
纸质书定价:¥59.0 |
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。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操作;中篇为与用户画像,包括传统协同过滤等经典算法的介绍,以及涉及用户画像的方法;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
上 篇
第1章 用户画像概述 3
1.1 用户画像数据来源 3
1.1.1 用户属性 5
1.1.2 用户观影行为 5
1.2 用户画像特性 5
1.2.1 动态性 5
1.2.2 时空局部性 6
1.3 用户画像应用领域 6
1.3.1 搜索引擎 6
1.3.2 7
1.3.3 其他业务定制与优化 7
1.4 大数据给用户画像带来的机遇与挑战 8
第2章 用户画像建模 9
2.1 用户定量画像 9
2.2 用户定性画像 10
2.2.1 标签与用户定性画像 10
2.2.2 基于知识的用户定性画像分析 12
2.2.3 用户定性画像的构建 16
2.2.4 定性画像知识的存储 22
2.2.5 定性画像知识的推理 26
2.3 本章参考文献 29
第3章 群体用户画像分析 31
3.1 用户画像相似度 32
3.1.1 定量相似度计算 32
3.1.2 定性相似度计算 34
3.1.3 综合相似度计算 35
3.2 用户画像聚类 36
第4章 用户画像管理 41
4.1 存储机制 41
4.1.1 关系型数据库 42
4.1.2 NoSQL数据库 43
4.1.3 数据仓库 45
4.2 查询机制 46
4.3 定时更新机制 47
4.3.1 获取实时用户信息 47
4.3.2 更新触发条件 48
4.3.3 更新机制 49
中 篇
第5章 视频概述 55
5.1 主流方法的分类 56
5.1.1 协同过滤的方法 56
5.1.2 基于内容的方法 57
5.1.3 基于知识的方法 59
5.1.4 混合方法 60
5.2 的评测方法 61
5.3 视频与用户画像的逻辑关系 61
第6章 协同过滤方法 65
6.1 概述 65
6.2 关系矩阵及矩阵计算 67
6.2.1 U-U矩阵 67
6.2.2 V-V矩阵 70
6.2.3 U-V矩阵 72
6.3 基于记忆的协同过滤算法 74
6.3.1 基于用户的协同过滤算法 75
6.3.2 基于物品的协同过滤算法 78
6.4 基于模型的协同过滤算法 81
6.4.1 基于隐因子模型的算法 82
6.4.2 基于朴素贝叶斯分类的算法 85
6.5 小结 88
6.6 本章参考文献 88
第7章 基于内容的方法 91
7.1 概述 91
7.2 CB中的特征向量 94
7.2.1 视频中的物品画像 94
7.2.2 视频中的用户画像 96
7.3 基础CB算法 97
7.4 基于TF-IDF的CB算法 99
7.5 基于KNN的CB算法 102
7.6 基于Rocchio的CB算法 104
7.7 基于决策树的CB算法 106
7.8 基于线性分类的CB算法 107
7.9 基于朴素贝叶斯的CB算法 109
7.10 小结 111
7.11 本章参考文献 111
第8章 基于知识的方法 113
8.1 概述 113
8.2 约束知识与约束算法 114
8.2.1 约束知识示例 114
8.2.2 约束满足问题 115
8.2.3 约束算法流程 117
8.3 关联知识与关联算法 118
8.3.1 关联规则描述 118
8.3.2 关联规则挖掘 121
8.3.3 关联算法流程 123
8.4 小结 124
8.5 本章参考文献 124
第9章 混合方法 125
9.1 概述 125
9.2 算法设计层面的混合方法 126
9.2.1 并行式混合 126
9.2.2 整体式混合 129
9.2.3 流水线式混合 131
9.2.4 典型混合应用 133
9.3 混合式视频实例 136
9.3.1 MoRe概览 136
9.3.2 MoRe算法介绍 137
9.3.3 MoRe算法混合 139
9.3.4 MoRe实验分析 140
9.4 小结 142
9.5 本章参考文献 142
第10章 视频评测 145
10.1 概述 145
10.2 视频试验方法 146
10.2.1 在线评测 147
10.2.2 离线评测 149
10.2.3 用户调查 150
10.3 视频离线评测指标 151
10.3.1 准确度指标 151
10.3.2 多样性指标 159
10.4 小结 161
10.5 本章参考文献 162
下 篇
第11章 层面的快速构建 165
11.1 概述 165
11.2 本章主要内容 166
11.3 部署 166
11.3.1 Hadoop2.2.0部署 166
11.3.2 Hadoop运行时环境设置 169
11.3.3 Spark与Mahout部署 175
11.4 Mahout引擎介绍 181
11.4.1 Item-based算法 181
11.4.2 矩阵分解 185
11.4.3 ALS算法 187
11.4.4 Mahout的Spark实现 190
11.5 快速实战 193
11.5.1 概述 193
11.5.2 日志数据 194
11.5.3 运行环境 196
11.5.4 基于Mahout Item-based算法实践 201
11.5.5 基于Mahout ALS算法实践 205
11.6 小结 208
11.7 本章参考文献 208
第12章 数据层面的分析与案例 211
12.1 概述 211
12.2 本章主要内容 212
12.3 竞赛内容和意义 212
12.3.1 竞赛简介 212
12.3.2 竞赛任务和意义 213
12.4 客户-商户数据 215
12.4.1 数据描述 215
12.4.2 数据理解与分析 217
12.5 算法流程设计 219
12.5.1 特征提取 219
12.5.2 分类器设计 220
12.5.3 算法流程总结 222
12.6 小结 222
12.7 本章参考文献 223
商品参数
书名:机器学习
作者:周志华
ISBN:9787302423287
出版日期:2016.01.01
印刷日期:2016.01.05
出版社:清华大学出版社
页 数:
开 本:16开
包 装:平装
重 量:
定价:88元
编辑
内容全面;结构合理;叙述清楚;深入浅出。人工智能领域中文的之作!
这是一本面向中文读者的机器学习教科书, 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识.
然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生,
以及具有类似背景的对机器学习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.
^_^:c75fd9139c776eeae59cc620198aa9f5