目　錄
Recommender Systems Handbook,Second Edition

出版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡介
第1章　推薦系統(tǒng)：簡介和挑戰(zhàn)1
　1.1　簡介1
　1.2　推薦系統(tǒng)的功能3
　1.3　數(shù)據(jù)和知識來源5
　1.4　推薦技術(shù)7
　1.5　推薦系統(tǒng)評估10
　1.6　推薦系統(tǒng)應(yīng)用11
　1.7　推薦系統(tǒng)與人機(jī)交互13
　1.8　高級話題14
　1.9　挑戰(zhàn)16
　　1.9.1　偏好獲取與分析16
　　1.9.2　交互17
　　1.9.3　新的推薦任務(wù)18
　參考文獻(xiàn)19
第一部分　推薦系統(tǒng)技術(shù)
第2章　基于鄰域的推薦方法綜述24
　2.1　簡介24
　　2.1.1　基于鄰域方法的優(yōu)勢25
　　2.1.2　目標(biāo)和概要26
　2.2　問題定義和符號26
　2.3　基于鄰域的推薦27
　　2.3.1　基于用戶的評分預(yù)測28
　　2.3.2　基于用戶的分類預(yù)測方法28
　　2.3.3　回歸與分類29
　　2.3.4　基于物品的推薦29
　　2.3.5　基于用戶和基于物品的推薦方法的比較30
　2.4　基于鄰域方法的要素31
　　2.4.1　評分標(biāo)準(zhǔn)化31
　　2.4.2　相似度權(quán)重的計算33
　　2.4.3　鄰域的選擇37
　2.5　高級進(jìn)階技術(shù)37
　　2.5.1　基于圖的方法38
　　2.5.2　基于學(xué)習(xí)的方法40
　2.6　總結(jié)44
　參考文獻(xiàn)44
第3章　協(xié)同過濾方法進(jìn)階48
　3.1　簡介48
　3.2　預(yù)備知識49
　　3.2.1　基準(zhǔn)預(yù)測49
　　3.2.2　Netflix數(shù)據(jù)50
　　3.2.3　隱式反饋51
　3.3　矩陣分解模型51
　　3.3.1　SVD52
　　3.3.2　SVD++53
　　3.3.3　時間敏感的因子模型54
　　3.3.4　比較57
　　3.3.5　小結(jié)58
　3.4　基于鄰域的模型59
　　3.4.1　相似度度量59
　　3.4.2　基于相似度的插值60
　　3.4.3　聯(lián)合派生插值權(quán)重61
　　3.4.4　小結(jié)63
　3.5　增強(qiáng)的基于鄰域的模型63
　　3.5.1　全局化的鄰域模型64
　　3.5.2　因式分解的鄰域模型67
　　3.5.3　基于鄰域模型的動態(tài)時序71
　　3.5.4　小結(jié)72
　3.6　基于鄰域的模型和因子分解模型的比較73
　參考文獻(xiàn)75
第4章　基于內(nèi)容的語義感知推薦系統(tǒng)77
　4.1　簡介77
　4.2　基于內(nèi)容的推薦系統(tǒng)概述77
　　4.2.1　基于關(guān)鍵詞的向量空間模型79
　　4.2.2　用戶特征學(xué)習(xí)的方法80
　　4.2.3　基于內(nèi)容過濾的優(yōu)缺點81
　4.3　自上而下的語義方法82
　　4.3.1　基于本體資源的方法83
　　4.3.2　基于非結(jié)構(gòu)化或半結(jié)構(gòu)化百科知識的方法84
　　4.3.3　基于關(guān)聯(lián)開放數(shù)據(jù)的方法86
　4.4　自下而上的語義方法90
　　4.4.1　基于判別式模型的方法90
　4.5　方法比較與小結(jié)94
　4.6　總結(jié)與未來挑戰(zhàn)95
　致謝96
　參考文獻(xiàn)96
第5章　基于約束的推薦系統(tǒng)103
　5.1　簡介103
　5.2　推薦知識庫的開發(fā)105
　5.3　推薦過程中的用戶導(dǎo)向作用108
　5.4　計算推薦結(jié)果113
　5.5　實際應(yīng)用的經(jīng)驗114
　5.6　未來的研究方法116
　5.7　總結(jié)118
　參考文獻(xiàn)118
第6章　情境感知推薦系統(tǒng)123
　6.1　簡介和動機(jī)123
　6.2　推薦系統(tǒng)中的情境124
　　6.2.1　什么是情境124
　　6.2.2　推薦系統(tǒng)中模型化情境信息的表征性方法125
　　6.2.3　推薦系統(tǒng)中主要的情境信息建模方法127
　　6.2.4　獲取情境信息130
　6.3　結(jié)合具有代表性情境的推薦系統(tǒng)范式131
　　6.3.1　情境預(yù)過濾133
　　6.3.2　情境后過濾136
　　6.3.3　情境建模137
　6.4　討論和總結(jié)138
　致謝140
　參考文獻(xiàn)140
第7章　推薦系統(tǒng)中的數(shù)據(jù)挖掘方法145
　7.1　簡介145
　7.2　數(shù)據(jù)預(yù)處理146
　　7.2.1　相似度度量方法146
　　7.2.2　抽樣147
　　7.2.3　降維148
　　7.2.4　去噪150
　7.3　監(jiān)督學(xué)習(xí)150
　　7.3.1　分類150
　　7.3.2　分類器的集成157
　　7.3.3　評估分類器157
　7.4　無監(jiān)督學(xué)習(xí)159
　　7.4.1　聚類分析159
　　7.4.2　關(guān)聯(lián)規(guī)則挖掘161
　7.5　總結(jié)162
　參考文獻(xiàn)163
第二部分　推薦系統(tǒng)評估
第8章　推薦系統(tǒng)的評估170
　8.1　簡介170
　8.2　實驗設(shè)置171
　　8.2.1　離線實驗172
　　8.2.2　用戶調(diào)查173
　　8.2.3　在線評估175
　　8.2.4　得出可靠結(jié)論176
　8.3　推薦系統(tǒng)屬性178
　　8.3.1　用戶偏好179
　　8.3.2　預(yù)測精度179
　　8.3.3　覆蓋率186
　　8.3.4　置信度187
　　8.3.5　信任度188
　　8.3.6　新穎性188
　　8.3.7　驚喜度189
　　8.3.8　多樣性190
　　8.3.9　效用191
　　8.3.10　風(fēng)險191
　　8.3.11　健壯性192
　　8.3.12　隱私192
　　8.3.13　適應(yīng)性193
　　8.3.14　可擴(kuò)展性193
　8.4　結(jié)論193
　參考文獻(xiàn)194
第9章　使用用戶實驗評估推薦系統(tǒng)198
　9.1　簡介198
　9.2　理論基礎(chǔ)與現(xiàn)有工作199
　　9.2.1　理論基礎(chǔ)：Knijnenburg等人提出的評估框架199
　　9.2.2　現(xiàn)有以用戶為中心的研究概覽以及有前景的方向201
　9.3　實踐指南203
　　9.3.1　研究模型203
　　9.3.2　參與者206
　　9.3.3　實驗操控207
　　9.3.4　測量209
　　9.3.5　統(tǒng)計評估214
　9.4　結(jié)論219
　參考文獻(xiàn)221
第10章　對推薦結(jié)果的解釋：設(shè)計和評估228
　10.1　簡介228
　10.2　推薦設(shè)計的呈現(xiàn)和交互229
　　10.2.1　推薦呈現(xiàn)229