![[!--oldtitle--] PDF电子书下载](/d/file/efpub/2026/09-12/akil1ow2yvx.jpg)
深度理解算法：图表示学习的推荐系统研究
温馨提示：电子书为虚拟商品，一经发货概不退换，请谨慎购买。3小时内发货(节假日除外)，发货时效不超过24小时，急单慎拍！
内容简介
书名：深度理解算法：图表示学习的推荐系统研究
作者：马心陶著
ISBN：978-7-5228-3582-2
出版社：社会科学文献出版社
出版日期：2024.05
伴随互联网技术的飞速发展和广泛应用，信息过载带来的负效应正深刻影响着用户的网络交互体验。而推荐系统作为连接用户和信息的桥梁，可以挖掘用户偏好及信息的隐藏特征。辅助信息的加入可以为推荐系统提供多元化的信息，为用户更好地筛选出满足其偏好需求的内容，在提高信息利用率的同时减少用户的搜索时间。这些融入辅助信息的推荐系统含有多种类型的图结构，如用户和项目的交互二部图，用户之间的社交网络，项目和其属性之间的知识图谱等。作为新兴的机器学习技术，图表示学习可以有效处理图结构，一方面可以有效提升推荐质量，另一方面可以为推荐结果提供可追溯性和可解释性。基于此，本书主要研究基于图表示学习的深度推荐系统，进一步探索图结构中所蕴含的隐藏信息和语义信息，进而提高推荐系统的准确性。
作者：马心陶著
ISBN：978-7-5228-3582-2
出版社：社会科学文献出版社
出版日期：2024.05
伴随互联网技术的飞速发展和广泛应用，信息过载带来的负效应正深刻影响着用户的网络交互体验。而推荐系统作为连接用户和信息的桥梁，可以挖掘用户偏好及信息的隐藏特征。辅助信息的加入可以为推荐系统提供多元化的信息，为用户更好地筛选出满足其偏好需求的内容，在提高信息利用率的同时减少用户的搜索时间。这些融入辅助信息的推荐系统含有多种类型的图结构，如用户和项目的交互二部图，用户之间的社交网络，项目和其属性之间的知识图谱等。作为新兴的机器学习技术，图表示学习可以有效处理图结构，一方面可以有效提升推荐质量，另一方面可以为推荐结果提供可追溯性和可解释性。基于此，本书主要研究基于图表示学习的深度推荐系统，进一步探索图结构中所蕴含的隐藏信息和语义信息，进而提高推荐系统的准确性。