第1章绪论
1.1研究背景与意义 1.2国内外研究现状及分析 1.3信息推荐目前存在的主要问题 1.4本书结构与研究内容
第2章大数据语义推荐算法
2.1引言 2.2传统推荐算法 2.3基于语义的内容推荐算法 2.4基于语义的协同过滤推荐算法 2.5基于语义的混合推荐算法 2.6基于语义的社会化推荐算法 2.7讨论与挑战 2.8本章小结
第3章基于排序学习的大数据推荐算法
3.1引言 3.2基于排序学习的推荐算法框架 3.3基于排序学习的推荐算法关键技术 3.4排序学习的效用评价准则 3.5基于排序学习的推荐算法应用进展 3.6基于排序学习的推荐算法研究趋势展望 3.7本章小结
第4章云环境下top-n推荐算法
4.1引言 4.2MDSA 4.3数据编码模式 4.4基于map/reduce的top-n推荐算法 4.5top-n推荐应用扩展 4.6本章小结
第5章分布式网络中的轮廓推荐预处理技术
5.1引言 5.2预备知识 5.3预处理方法描述 5.4预处理方法分析 5.5本章小结
第6章分布式网络中轮廓推荐方法
6.1引言 6.2问题描述 6.3精确选择最优的预存储轮廓快照 6.4EMSRDN算法 6.5本章小结
第7章实时k-quasi轮廓推荐方法
7.1引言 7.2k-quasi轮廓推荐 7.3有效处理任意维空间k-quasi轮廓推荐 7.4优化多个维空间k-quasi轮廓推荐 7.5k-quasi轮廓推荐扩展 7.6本章小结
第8章大数据轮廓类推荐理论与方法
8.1引言 8.2轮廓类操作符 8.3有效实施轮廓类操作符 8.4本章小结
第9章大数据K-均值类推荐技术
9.1引言 9.2K-均值类推荐思想 9.3基于正规格的K-均值类推荐算法 9.4本章小结 |