基于機器學習的個性化推薦算法及應用
個性化推薦作為一種重要的信息過濾技術，廣泛應用于電子商務、社交服務以及基于位置的服務等領域，隨著數據量的爆炸式增長，原有的推薦算法存在執行效率低和數據稀疏性等問題。為了解決原有推薦算法存在的問題，本書提出了3種新的算法，分別是基于三維項集矩陣和向量的頻繁項集挖掘算法、融合懲罰因子和時間權重的協同過濾算法以及基于用戶屬性和項目評分的協同過濾算法，并介紹了一個個性化圖書推薦原型系統的構建方案。本書結構清晰、文字流暢，適合對機器學習、個性化推薦感興趣的讀者閱讀。
·7.3萬字
