資訊化、智慧化技術的快速發展引發了資料爆發式增長, 大資料時代的到來也伴隨著「資訊超載」問題的出現。推薦系統是解決資訊超載的有效方法, 作為現階段推薦演算法當中應用最為廣泛的個性化推薦演算法之一, 協同過濾推薦演算法有著該領域內其他推薦演算法無法比擬的諸多優點。但是在實際應用場景中, 協同過濾推薦演算法仍然有較多問題和挑戰亟須解決。針對協同過濾推薦演算法面對的資料稀疏性問題, 本書分別採用資料填充方法、融合信任的概率矩陣分解模型、融合使用者評分資訊和專案評論特徵的深度學習模型進行分析解決。針對協同過濾推薦演算法面對的冷啟
定價：359 元，
優惠價：87
312
海外經銷商無庫存，到貨日平均30天至45天
