同类推荐
-
-
智能客服系统构建与应用——以DeepSeek为例
-
¥56.00
-
-
智能机电系统PHM
-
¥168.00
-
-
工业机器人
-
¥49.80
-
-
数据资产增值运营:从数据治理到数据资产入表和运营
-
¥89.00
-
-
大数据技术与应用实验指导书
-
¥59.00
-
-
图解工业机器人控制与PLC通信
-
¥79.00
-
-
图解工业机器人控制与PLC通信
-
¥79.00
-
-
图解工业机器人控制与PLC通信
-
¥79.00
-
-
数据思维与大数据基础
-
¥59.80
-
-
湖仓架构:大规模数据平台的设计和实现:designin…
-
¥99.00
|
|
图书信息
|
|
|
|
社交推荐中的用户相似度优化研究
|
| ISBN： | 9787521845372 |
定价： | ￥78.00 |
| 作者： | 韩迪著 |
出版社： | 经济科学出版社 |
| 出版时间： | 2023年02月 |
开本： | 25cm |
| 页数： | 195页 |
中图法： | TP274 |
相关供货商
|
供货商名称
|
库存量
|
库区
|
更新日期
|
|
|
|
|
|
|
其它供货商库存合计
|
33
|
|
2025-10-21
|
图书简介 | | 本书通过对推荐系统中用户相似度的设计优化，解决了目前推荐系统中“确定的”数据无法准确描述人类模糊性情感的问题展开。推荐系统中相似度研究的最高目标是尽可能的模拟人对研究对象的主观感受，从工程角度来说是模拟同主观认知尽可能一致的客观相似度组合模型。主观寻找相似用户的过程可分为“感知、理解和评价”三个阶段，基于此，本文提出了一种符合主观特点的客观相似度组合模型框架，主要工作围绕三个阶段展开如下：本文从代表性的相似度算法分析入手，分析影响用户评分行为的相似性因素。 |
|