Recommender Systems: Algorithms and Applications
Systemy rekomendujące wykorzystują filtrowanie informacji do przewidywania preferencji użytkowników. Stają się one istotną częścią e-biznesu i są wykorzystywane w wielu różnych branżach, od rozrywki i sieci społecznościowych po technologie informacyjne, turystykę, edukację, rolnictwo, opiekę zdrowotną, produkcję i handel detaliczny. Recommender Systems: Algorithms and Applications zagłębia się w teoretyczne podstawy tych systemów i przygląda się, jak teoria ta jest stosowana i wdrażana w rzeczywistych systemach.
Książka analizuje kilka klas algorytmów rekomendacji, w tym.
⬤ Algorytmy uczenia maszynowego.
⬤ Algorytmy wykrywania społeczności.
⬤ algorytmy filtrujące.
Różne wydajne i niezawodne systemy rekomendacji produktów wykorzystujące algorytmy uczenia maszynowego są pomocne w filtrowaniu i eksplorowaniu niewidocznych danych przez użytkowników w celu lepszego przewidywania i ekstrapolacji decyzji. Zapewniają one szerszy zakres rozwiązań dla takich wyzwań, jak problemy niezrównoważonych zbiorów danych, problemy zimnego startu i problemy długiego ogona. Książka ta analizuje również fundamentalne pozycje ontologiczne, które tworzą podstawy systemów rekomendujących i wyjaśniają, dlaczego niektóre rekomendacje są lepsze od innych.
Badane są również techniki i podejścia do tworzenia systemów rekomendujących. Mogą one pomóc w implementacji algorytmów jako systemów i obejmują.
⬤ Technikę czynnika ukrytego dla systemów filtrowania opartych na modelach.
⬤ Wspólne podejście do filtrowania.
⬤ podejścia oparte na treści.
Wreszcie, książka ta analizuje rzeczywiste systemy sieci społecznościowych, rekomendowania produktów konsumenckich i przewidywania ryzyka w projektach inżynierii oprogramowania.