دانلود کتاب Recommender Systems: The Textbook (به فارسی: سیستم های توصیه کننده: کتاب درسی) نوشته شده توسط «Charu C. Aggarwal»
اطلاعات کتاب سیستم های توصیه کننده: کتاب درسی
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Springer International Publishing
نویسنده: Charu C. Aggarwal
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2016
تعداد صفحه: 518
حجم فایل: 5.93 مگابایت
کد کتاب: 3319296590 , 9783319296593
نوبت چاپ: 1
توضیحات کتاب سیستم های توصیه کننده: کتاب درسی
این کتاب به طور جامع موضوع سیستم‌های توصیه‌گر را پوشش می‌دهد که بر اساس جستجوها یا خریدهای قبلی، توصیه‌های شخصی محصولات یا خدمات را به کاربران ارائه می‌دهد. روش‌های سیستم توصیه‌کننده برای برنامه‌های کاربردی متنوعی از جمله استخراج گزارش جستجو، شبکه‌های اجتماعی، توصیه‌های خبری و تبلیغات محاسباتی تطبیق داده شده‌اند. این کتاب موضوعات اساسی و پیشرفته یک حوزه تحقیقاتی را که اکنون به بلوغ رسیده است ترکیب می کند. فصل‌های این کتاب در سه دسته سازمان‌دهی شده‌اند:
– الگوریتم‌ها و ارزیابی: این فصل‌ها به الگوریتم‌های اساسی در سیستم‌های توصیه‌گر، از جمله روش‌های فیلتر مشارکتی، روش‌های مبتنی بر محتوا، روش‌های دانش‌محور، مجموعه‌ای می‌پردازند. روش‌های مبتنی بر و ارزیابی.
– توصیه‌هایی در حوزه‌ها و زمینه‌های خاص: زمینه یک توصیه می‌تواند به عنوان اطلاعات جانبی مهمی در نظر گرفته شود که بر اهداف توصیه تأثیر می‌گذارد. انواع مختلف زمینه مانند داده‌های زمانی، داده‌های مکانی، داده‌های اجتماعی، داده‌های برچسب‌گذاری، و قابلیت اطمینان بررسی می‌شوند.
– موضوعات و برنامه‌های پیشرفته: جنبه‌های مختلف استحکام سیستم‌های توصیه‌گر، مانند سیستم های شیلینگ، مدل های حمله و دفاع آنها مورد بحث قرار گرفته است.
علاوه بر این، موضوعات اخیر، مانند یادگیری رتبه بندی، راهزنان چند مسلح، سیستم های گروهی، سیستم های چند معیاره و سیستم های یادگیری فعال مورد بحث قرار گرفته است. ، همراه با برنامه های کاربردی معرفی شده اند.
اگرچه این کتاب در درجه اول به عنوان یک کتاب درسی عمل می کند، اما به دلیل تمرکز بر کاربردها و مراجع، برای متخصصان و محققان صنعتی نیز جذاب خواهد بود. مثال‌ها و تمرین‌های متعددی ارائه شده است و راهنمای راه‌حل برای مربیان در دسترس است.
This book comprehensively covers the topic of recommender systems, which provide personalized recommendations of products or services to users based on their previous searches or purchases. Recommender system methods have been adapted to diverse applications including query log mining, social networking, news recommendations, and computational advertising. This book synthesizes both fundamental and advanced topics of a research area that has now reached maturity. The chapters of this book are organized into three categories:
– Algorithms and evaluation: These chapters discuss the fundamental algorithms in recommender systems, including collaborative filtering methods, content-based methods, knowledge-based methods, ensemble-based methods, and evaluation.
– Recommendations in specific domains and contexts: the context of a recommendation can be viewed as important side information that affects the recommendation goals. Different types of context such as temporal data, spatial data, social data, tagging data, and trustworthiness are explored.
– Advanced topics and applications: Various robustness aspects of recommender systems, such as shilling systems, attack models, and their defenses are discussed.
In addition, recent topics, such as learning to rank, multi-armed bandits, group systems, multi-criteria systems, and active learning systems, are introduced together with applications.
Although this book primarily serves as a textbook, it will also appeal to industrial practitioners and researchers due to its focus on applications and references. Numerous examples and exercises have been provided, and a solution manual is available for instructors.
دانلود کتاب «سیستم های توصیه کننده: کتاب درسی»
