相關商品
商品簡介
商品簡介
個性化推薦在實際應用中存在小樣本、高維度和非線性等問題。鑒於以上問題，本書提出了基於支持向量機的個性化推薦方法，實現對專案的內容資訊以及用戶行為資訊的綜合分析與挖掘。針對傳統的協同過濾推薦方法存在相似度計算方式單一，不易利用專案的內容資訊和冷啟動等問題，提出了利用支持向量分類機方法來代替傳統的相似度計算，不僅考慮了用戶的行為資訊，而且也利用了專案的內容資訊和用戶的人口統計學資訊。同時，利用帶收縮因數的動態慣性權重自適應粒子群優化演算法對支援向量分類機的參數進行優化，以期提高推薦模型的準確率。 針對實際應用中，不僅需要推薦列表，而且還需要詳細的評分資訊，提出了基於支援向量機先分類再回歸的推薦方法。針對大規模資料中的推薦效率和即時性等問題，提出了基於平滑技術和核減少技術的對稱支援向量機推薦方法。針對個性化推薦中有標籤資料價值高但稀少，同時對無標籤資料標注存在耗時、耗力、代價高等問題，提出了基於主動學習的半監督直推式支持向量機推薦方法。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。