دانلود کتاب Personalization Techniques And Recommender Systems (Series in Machine Perception and Artificial Intelligence ???) (Series in Machine Perception and Artificial … Perception and Artifical Intelligence) (به فارسی: تکنیک های شخصی سازی و سیستم های توصیه کننده (سری در ادراک ماشین و هوش مصنوعی ???) (سری در ادراک ماشین و مصنوعی … ادراک و هوش مصنوعی)) نوشته شده توسط «Gulden Uchyigit – Gulden Uchyigit – Matthew Y Ma»
اطلاعات کتاب تکنیک های شخصی سازی و سیستم های توصیه کننده (سری در ادراک ماشین و هوش مصنوعی ???) (سری در ادراک ماشین و مصنوعی … ادراک و هوش مصنوعی)
موضوع اصلی: فن آوری
نوع: کتاب الکترونیکی
ناشر: World Scientific Publishing Company
نویسنده: Gulden Uchyigit – Gulden Uchyigit – Matthew Y Ma
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2008
تعداد صفحه: 334
حجم کتاب: 7 مگابایت
کد کتاب: 9812797017 , 9789812797018
توضیحات کتاب تکنیک های شخصی سازی و سیستم های توصیه کننده (سری در ادراک ماشین و هوش مصنوعی ???) (سری در ادراک ماشین و مصنوعی … ادراک و هوش مصنوعی)
رشد خارق العاده اینترنت منجر به حجم عظیمی از اطلاعات آنلاین شده است، وضعیتی که برای کاربران نهایی طاقت فرسا است. برای غلبه بر این مشکل، فناوری های شخصی سازی به طور گسترده به کار گرفته شده است.
این کتاب اولین در نوع خود است که نشان‌دهنده تلاش‌های پژوهشی در تنوع تکنیک‌های شخصی‌سازی و توصیه است. اینها شامل مدل سازی کاربر، محتوا، سیستم های توصیه گر مشارکتی، ترکیبی و مبتنی بر دانش است. این پژوهش نظری را در زمینه برنامه های کاربردی مختلف از دسترسی به اطلاعات تلفن همراه، بازاریابی و فروش و خدمات وب، تا کتابخانه و سیستم های توصیه تلویزیون شخصی ارائه می دهد.
این جلد به عنوان مبنایی برای محققانی که مایل به یادگیری بیشتر در زمینه سیستم‌های توصیه‌گر هستند و همچنین برای کسانی که قصد دارند تکنیک‌های شخصی‌سازی پیشرفته را در سیستم‌های خود به کار گیرند، خواهد بود.
فهرست:
مدلسازی و نمایه سازی کاربر: مبادلات شخصی سازی-حریم خصوصی در دسترسی به اطلاعات تطبیقی (B Smyth). ارزیابی عمیق دو مدل کاربر شناختی برای جستجوی شخصی (F Gasparetti و A Micarelli)؛ مدلسازی کاربر محجوب برای هایپر رسانه تطبیقی (H J Holz و همکاران)؛ به اشتراک گذاری مدل سازی کاربر برای آموزش الکترونیکی تطبیقی و کمک هوشمند (K Kabassi و همکاران)؛ فیلتر مشارکتی: تجزیه و تحلیل تجربی فیلتر مشارکتی ابزار چند ویژگی بر روی یک مجموعه داده مصنوعی (N Manouselis & C Costopoulou). فیلتر مشارکتی کارآمد در فضاهای آدرس‌پذیر محتوا (S Berkovsky و همکاران)؛ شناسایی و تجزیه و تحلیل اطلاعات مدل کاربر از مجموعه داده‌های فیلتر مشترک (جی گریفیث و همکاران)؛ سیستم‌های مبتنی بر محتوا، سیستم‌های ترکیبی و روش‌های یادگیری ماشین: استراتژی‌های شخصی‌سازی و استدلال معنایی: کار پشت سر هم در سیستم‌های توصیه‌کننده پیشرفته (Y Blanco-Fernández و همکاران). طبقه بندی محتوا و تکنیک های توصیه برای مشاهده راهنمای برنامه نویسی الکترونیکی در یک دستگاه قابل حمل (J Zhu et al.); پذیرش توصیه‌کنندگان مبتنی بر دانش توسط کاربر (A Felfernig و همکاران)؛ استفاده از پیاده‌روی‌های تصادفی محدود برای توصیه‌های کتابخانه و اکتشاف فضای دانش (M Franke & A Geyer-Schulz). مطالعه تجربی روش‌های انتخاب ویژگی برای طبقه‌بندی متن (G Uchyigit & K Clark).
The book is the first of its kind, representing research efforts in the diversity of personalization and recommendation techniques. These include user modeling, content, collaborative, hybrid and knowledge-based recommender systems. It presents theoretic research in the context of various applications from mobile information access, marketing and sales and web services, to library and personalized TV recommendation systems.
This volume will serve as a basis to researchers who wish to learn more in the field of recommender systems, and also to those intending to deploy advanced personalization techniques in their systems.
Contents:
User Modeling and Profiling: Personalization-Privacy Tradeoffs in Adaptive Information Access (B Smyth); A Deep Evaluation of Two Cognitive User Models for Personalized Search (F Gasparetti & A Micarelli); Unobtrusive User Modeling for Adaptive Hypermedia (H J Holz et al.); User Modelling Sharing for Adaptive e-Learning and Intelligent Help (K Kabassi et al.); Collaborative Filtering: Experimental Analysis of Multiattribute Utility Collaborative Filtering on a Synthetic Data Set (N Manouselis & C Costopoulou); Efficient Collaborative Filtering in Content-Addressable Spaces (S Berkovsky et al.); Identifying and Analyzing User Model Information from Collaborative Filtering Datasets (J Griffith et al.); Content-Based Systems, Hybrid Systems and Machine Learning Methods: Personalization Strategies and Semantic Reasoning: Working in Tandem in Advanced Recommender Systems (Y Blanco-Fernández et al.); Content Classification and Recommendation Techniques for Viewing Electronic Programming Guide on a Portable Device (J Zhu et al.); User Acceptance of Knowledge-Based Recommenders (A Felfernig et al.); Using Restricted Random Walks for Library Recommendations and Knowledge Space Exploration (M Franke & A Geyer-Schulz); An Experimental Study of Feature Selection Methods for Text Classification (G Uchyigit & K Clark).
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.