0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 面向粒计算的时空三支推荐理论与方法

相同语种的商品

销售排行榜

浏览历史

面向粒计算的时空三支推荐理论与方法


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
面向粒计算的时空三支推荐理论与方法
  • 书号：9787030838223
    作者：刘盾,叶晓庆,李天瑞
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：213
    字数：285000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2025-10-01
  • 所属分类：
  • 定价： ￥128.00元
    售价： ￥101.12元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

推荐系统一直以来是大数据决策和人工智能领域的一个重要研究方向。三支决策借鉴粒计算信息粒化和层次结构的思想，采用化繁为简和分而治之的策略，为人们处理复杂决策问题和理解决策过程提供了一种新的研究途径。本书从时间与空间维度入手，以粒计算理论为基本出发点，以人工智能技术为指导思想，以时空特性为研究主线，以推荐系统为应用场景，来研究面向粒计算的时空三支推荐理论与方法。本书的相关研究内容能够适应大数据分析需求和复杂的决策环境，不仅能够丰富三支决策理论的内涵和外延，形成一套可解释性三支决策研究新体系，而且可以拓展智能推荐系统的应用范围，推动其在应用人工智能技术领域的发展。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    序
    前言
    第1章 三支决策与粒计算 1
    1.1 粒计算概述 1
    1.2 三支决策基本思想 4
    1.2.1 三支决策的哲学与管理思想 6
    1.2.2 狭义三支决策与粗糙集理论 7
    1.2.3 广义三支决策与TAO 模型 9
    1.3 效用三支决策与行为三支决策 13
    1.4 三支决策与认知计算 16
    1.5 本章小结 21
    参考文献 21
    第2章 三支决策与推荐系统 25
    2.1 推荐系统基本原理与方法 25
    2.2 基于机器学习的三支决策 29
    2.2.1 相关研究现状 30
    2.2.2 三支决策与三支聚类 35
    2.2.3 三支决策与三支分类 36
    2.2.4 三支决策与深度学习 38
    2.3 三支决策与推荐系统简介 40
    2.4 本章小结 42
    参考文献 42
    第3章 基于时间维度的三支推荐理论与方法 48
    3.1 引言 48
    3.2 相关概念 50
    3.2.1 时间三支决策 50
    3.2.2 矩阵分解技术 53
    3.3 基于时间维度的三支推荐 56
    3.3.1 基于矩阵分解的时间粒化策略 56
    3.3.2 基于矩阵分解的时间三支粒推荐方法 56
    3.4 实验分析 66
    3.4.1 数据集 66
    3.4.2 实验设置 67
    3.4.3 实验结果分析 68
    3.5 本章小结 80
    参考文献 81
    第4章 基于空间维度的三支推荐理论与方法 84
    4.1 引言 84
    4.2 相关概念 86
    4.2.1 空间三支决策 86
    4.2.2 协同主题回归 90
    4.3 基于空间维度的三支推荐 92
    4.3.1 基于协同主题回归的空间粒化方法 92
    4.3.2 基于协同主题回归的空间三支粒推荐方法 96
    4.4 实验分析 102
    4.4.1 数据集 102
    4.4.2 实验设置 103
    4.4.3 实验结果分析 104
    4.5 本章小结 110
    参考文献 110
    第5章 基于时空维度的三支推荐理论与方法 114
    5.1 引言 114
    5.2 相关概念 115
    5.2.1 时空三支决策 115
    5.2.2 循环神经网络 119
    5.3 基于时空维度的三支推荐 121
    5.3.1 基于循环神经网络的时空粒化方法 121
    5.3.2 基于循环神经网络的时空三支粒推荐方法 122
    5.4 实验分析 130
    5.4.1 数据集 130
    5.4.2 实验设置 131
    5.4.3 实验结果分析 133
    5.5 本章小结 138
    参考文献 138
    第6章 基于多源数据的三支推荐理论与方法 141
    6.1 引言 141
    6.2 相关概念 145
    6.3 基于多源数据的三支推荐 147
    6.3.1 基于协同深度学习的粒化方法 148
    6.3.2 基于多源数据的三支推荐方法 149
    6.4 实验分析 152
    6.4.1 数据集 152
    6.4.2 实验设置 152
    6.4.3 实验结果分析 154
    6.5 本章小结 159
    参考文献 159
    第7章 三支推荐的应用研究 162
    7.1 面向在线问诊平台的三支推荐方法 162
    7.1.1 研究背景 162
    7.1.2 相关概念 164
    7.1.3 基于在线问诊平台的三支推荐方法 165
    7.1.4 实验结果及分析 170
    7.1.5 研究结论 177
    7.2 基于粒计算的三支美食推荐方法 177
    7.2.1 研究背景 177
    7.2.2 相关概念 179
    7.2.3 基于粒计算的美食推荐方法简介 182
    7.2.4 实验结果及分析 185
    7.2.5 研究结论 194
    7.3 基于XGBoost的三支优惠券推荐方法 194
    7.3.1 研究背景 194
    7.3.2 相关概念 195
    7.3.3 基于XGBoost的三分类优惠券问题 198
    7.3.4 实验结果及分析 202
    7.3.5 研究结论 207
    7.4 本章小结 208
    参考文献 208
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com