【包郵】用戶網絡行為畫像 大數據中的用戶網絡行為畫像分析與內容推薦應用+大數據架構詳解書籍 epub pdf mobi txt 電子書 下載 2024

【包郵】用戶網絡行為畫像 大數據中的用戶網絡行為畫像分析與內容推薦應用+大數據架構詳解書籍 epub pdf mobi txt 電子書 下載 2024

【包郵】用戶網絡行為畫像 大數據中的用戶網絡行為畫像分析與內容推薦應用+大數據架構詳解書籍 epub pdf mobi txt 電子書 下載 2024

版 次：頁 數：字 數：印刷時間：2016年03月01日開 本：16開紙 張：輕型紙包 裝：平裝是否套裝：否國際標準書號ISBN：9787121280702

所屬分類：

圖書>計算機/網絡>網絡與數據通信>網絡配置與管理

快速直達

內容簡介

作者簡介

目 錄

前 言

下載免費當當讀書

內容簡介

如何能牢牢地黏住老用戶、吸引新用戶、讀懂用戶的偏好興趣和喜怒哀樂，這都是對企業發展至關重要甚至關乎生死存亡的問題，解決這個問題的方法就是推薦係統。本書分為上中下三篇，共13章，上篇為用戶畫像知識工程基礎，包括錶徵建模、畫像計算、存儲及各種更新維護等管理操作；中篇為推薦係統與用戶畫像，包括傳統協同過濾等經典推薦算法的介紹，以及涉及用戶畫像的推薦方法；下篇為應用案例分析，包括Netflix、阿裏等數據競賽的經典數據案例，以及在具體工程開發過程的具體案例，分彆從係統需求、總體結構、算法設計、運行流程及測試結果等五個方麵提供詳細案例指導。

作者簡介

牛溫佳，男，博士，中國科學院信息工程研究所副研究員。主持國傢自然科學基金青年基金項目和廣西可信軟件重點實驗室開放課題各一項，作為骨乾先後參與瞭多個重要項目，包括工信部重大專項、973、863和中科院戰略先導專項等。

目 錄

目 錄上 篇第1章 用戶畫像概述    31.1 用戶畫像數據來源    31.1.1 用戶屬性    51.1.2 用戶觀影行為    51.2 用戶畫像特性    51.2.1 動態性    51.2.2 時空局部性    61.3 用戶畫像應用領域    61.3.1 搜索引擎    61.3.2 推薦係統    71.3.3 其他業務定製與優化    71.4 大數據給用戶畫像帶來的機遇與挑戰    8第2章 用戶畫像建模    92.1 用戶定量畫像    92.2 用戶定性畫像    102.2.1 標簽與用戶定性畫像    102.2.2 基於知識的用戶定性畫像分析    122.2.3 用戶定性畫像的構建    162.2.4 定性畫像知識的存儲    222.2.5 定性畫像知識的推理    262.3 本章參考文獻    29第3章 群體用戶畫像分析    313.1 用戶畫像相似度    323.1.1 定量相似度計算    323.1.2 定性相似度計算    343.1.3 綜閤相似度計算    353.2 用戶畫像聚類    36第4章 用戶畫像管理    414.1 存儲機製    414.1.1 關係型數據庫    424.1.2 NoSQL數據庫    434.1.3 數據倉庫    454.2 查詢機製    464.3 定時更新機製    474.3.1 獲取實時用戶信息    474.3.2 更新觸發條件    484.3.3 更新機製    49中 篇第5章 視頻推薦概述    555.1 主流推薦方法的分類    565.1.1 協同過濾的推薦方法    565.1.2 基於內容的推薦方法    575.1.3 基於知識的推薦方法    595.1.4 混閤推薦方法    605.2 推薦係統的評測方法    615.3 視頻推薦與用戶畫像的邏輯關係    61第6章 協同過濾推薦方法 656.1 概述    656.2 關係矩陣及矩陣計算    676.2.1 U-U矩陣    676.2.2 V-V矩陣    706.2.3 U-V矩陣    726.3 基於記憶的協同過濾算法 746.3.1 基於用戶的協同過濾算法    756.3.2 基於物品的協同過濾算法    786.4 基於模型的協同過濾算法    816.4.1 基於隱因子模型的推薦算法    826.4.2 基於樸素貝葉斯分類的推薦算法    856.5 小結    886.6 本章參考文獻    88第7章 基於內容的推薦方法    917.1 概述 917.2 CB推薦中的特徵嚮量    947.2.1 視頻推薦中的物品畫像    947.2.2 視頻推薦中的用戶畫像    967.3 基礎CB推薦算法    977.4 基於TF-IDF的CB推薦算法    997.5 基於KNN的CB推薦算法    1027.6 基於Rocchio的CB推薦算法    1047.7 基於決策樹的CB推薦算法 1067.8 基於綫性分類的CB推薦算法    1077.9 基於樸素貝葉斯的CB推薦算法    1097.10 小結    1117.11 本章參考文獻    111第8章 基於知識的推薦方法    1138.1 概述    1138.2 約束知識與約束推薦算法    1148.2.1 約束知識示例    1148.2.2 約束滿足問題    1158.2.3 約束推薦算法流程    1178.3 關聯知識與關聯推薦算法    1188.3.1 關聯規則描述    1188.3.2 關聯規則挖掘    1218.3.3 關聯推薦算法流程 1238.4 小結    1248.5 本章參考文獻    124第9章 混閤推薦方法    1259.1 概述    1259.2 算法設計層麵的混閤方法    1269.2.1 並行式混閤    1269.2.2 整體式混閤    1299.2.3 流水綫式混閤    1319.2.4 典型混閤應用係統    1339.3 混閤式視頻推薦實例    1369.3.1 MoRe係統概覽    1369.3.2 MoRe算法介紹    1379.3.3 MoRe算法混閤    1399.3.4 MoRe實驗分析    1409.4 小結    1429.5 本章參考文獻    142第10章 視頻推薦評測    14510.1 概述    14510.2 視頻推薦試驗方法    14610.2.1 在綫評測    14710.2.2 離綫評測    14910.2.3 用戶調查    15010.3 視頻離綫推薦評測指標    15110.3.1 準確度指標    15110.3.2 多樣性指標    15910.4 小結    16110.5 本章參考文獻    162下 篇第11章 係統層麵的快速推薦構建    16511.1 概述    16511.2 本章主要內容    16611.3 係統部署    16611.3.1 Hadoop2.2.0係統部署    16611.3.2 Hadoop運行時環境設置    16911.3.3 Spark與Mahout部署    17511.4 Mahout推薦引擎介紹    18111.4.1 Item-based算法    18111.4.2 矩陣分解    18511.4.3 ALS算法    18711.4.4 Mahout的Spark實現    19011.5 快速實戰    19311.5.1 概述 19311.5.2 日誌數據    19411.5.3 運行環境    19611.5.4 基於Mahout Item-based算法實踐    20111.5.5 基於Mahout ALS算法實踐    20511.6 小結    20811.7 本章參考文獻    208第12章 數據層麵的分析與推薦案例    21112.1 概述    21112.2 本章主要內容 21212.3 競賽內容和意義    21212.3.1 競賽簡介    21212.3.2 競賽任務和意義    21312.4 客戶-商戶數據    21512.4.1 數據描述 21512.4.2 數據理解與分析    21712.5 算法流程設計    21912.5.1 特徵提取    21912.5.2 分類器設計    22012.5.3 算法流程總結 22212.6 小結    22212.7 本章參考文獻    223

版 次：1頁 數：字 數：印刷時間：2016年10月01日開 本：16開紙 張：膠版紙包 裝：平裝-膠訂是否套裝：否國際標準書號ISBN：9787121300004

所屬分類：

圖書>計算機/網絡>數據庫>數據倉庫與數據挖掘

快速直達

編輯推薦

內容簡介

作者簡介

目 錄

前 言

書摘插畫

免費下載讀書APP

編輯推薦

這是一個數據信息時代，每分每秒都在産生數不盡的數據。這些數據如何獲取，有什麼用途，如何與前沿的深度學習、機器學習等相結閤，如何為我們所用，盡在本書中。

更多計算機好書請關注：電子工業齣版社當當自營店

【包郵】用戶網絡行為畫像 大數據中的用戶網絡行為畫像分析與內容推薦應用+大數據架構詳解書籍 下載 epub mobi pdf txt 電子書