MARC状态：审校 文献类型：中文图书 浏览次数：110
- 题名/责任者:
- 统计推荐系统/(美) 迪帕克·K. 阿加瓦尔, 陈必衷著 戴薇, 潘微科, 明仲译
- 出版发行项:
- 北京:机械工业出版社,2019
- ISBN及定价:
- 978-7-111-63573-4/CNY89.00
- 载体形态项:
- 220页:图;26cm
- 丛编项:
- 计算机科学丛书
- 个人责任者:
- 阿加瓦尔 (Agarwal, Deepak K.) 著
- 个人责任者:
- 陈必衷 (Chen, Bee-Chung) 著
- 个人次要责任者:
- 戴薇 译
- 个人次要责任者:
- 潘微科 译
- 个人次要责任者:
- 明仲 译
- 学科主题:
- 统计程序
- 中图法分类号:
- TP319
- 出版发行附注:
- 由剑桥大学出版社与机械工业出版社合作出版
- 责任者附注:
- 迪帕克·K. 阿加瓦尔(Deepak K. Agarwal)，LinkedIn公司副总裁，领导人工智能/机器学习团队的研发工作。之前曾任Yahoo!研究院研究主管和首席研究员，以及AT&T公司研究员。陈必衷(Bee-Chung Chen)，LinkedIn公司首席主任工程师、应用研究员，曾任Yahoo!研究院研究员。作为核心开发者，他为LinkedIn和Yahoo!设计了前沿的推荐算法，此外，他还关注数据挖掘、机器学习和大数据分析技术。戴薇，深圳大学计算机与软件学院研究生，主要研究方向为迁移学习、推荐系统和机器学习。潘微科，深圳大学计算机与软件学院副教授，主要研究方向为迁移学习和推荐系统。明仲，深圳大学计算机与软件学院院长、教授，大数据系统计算技术国家工程实验室执行主任，主要研究方向为人工智能、软件工程和推荐系统。
- 书目附注:
- 有书目 (第199-204页) 和索引
- 提要文摘附注:
- 全书分为三部分：第一部分介绍推荐系统的组成、经典推荐方法及评估方法，并引出了探索与利用问题；第二部分围绕点击通过率（CTR）预估这一重要问题，重点介绍快速在线双线性因子模型和面向回归的隐因子模型，为热门推荐和个性化推荐提供解决方案；第三部分讨论进阶主题，涵盖分解的隐含狄利克雷分布模型、张量分解模型、层次收缩模型以及多目标优化方法。
全部MARC细节信息>>
9楼北计算机应用借阅室