推荐系统
电子商务推荐系统瓶颈问题研究.pdf
电子商务推荐系统是解决信息超载的重要技术。 协同过滤作为推荐系统中广泛使用的、最成功的推荐算法，还存在诸如稀疏性(sparsity)、冷启动(cold-start)、可扩展性(scalability) 等制约其进一步发展的瓶颈问题。 本书针对稀疏性问题，提出了非目标用户类型区分理
机器学习 : 因子分解机模型与推荐系统.pdf
因子分解机模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测准确度和计算效率，在广告点击率预测和推荐系统领域被广泛研究和应用。《机器学习 : 因子分解机模型与推荐系统》对因子分解机模型及其相关模型的研究进展进行综述，阐述该模型的灵活性和普适性，对模型中有待深入研究
电子商务推荐系统导论.pdf
本书以电子商务为应用背景，介绍推荐系统基本原理和主流技术。涵盖的内容有：传统推荐模型与算法、情境推荐模型与算法、社会化推荐模型与算法、推荐系统评价指标与方法、推荐系统的可信性和安全性、电子商务推荐系统与企业绩效、电子商务推荐系统架构设计以及在大数据时代下推荐系统的展望。