机读格式显示(MARC)

• 000 01865nam0 2200313 450

• 001 0000792311

• 005 20250617165900.0

• 010 __ |a 978-7-5228-3582-2 |d CNY98.00

• 100 __ |a 20240528d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深度理解算法 |A shen du li jie suan fa |e 图表示学习的推荐系统研究 |d = Understanding algorithms |e deep recommendation system based on graph representation learning |f 马心陶著 |z eng

• 210 __ |a 北京 |c 社会科学文献出版社 |d 2024.5

• 215 __ |a 155页 |c 图 |d 24cm

• 300 __ |a 吉林财经大学资助出版图书 获吉林省教育厅科学研究优秀青年项目“基于隐式特征模型的深度推荐系统关键技术研究”(JJKH20240199KJ) 资助

• 314 __ |a 马心陶, 博士, 吉林财经大学管理科学与信息工程学院教师。2011年赴德国留学, 获学士与硕士学位; 2022年毕业于吉林大学计算机科学与技术学院, 获工学博士学位。主要研究方向为推荐系统、知识图谱与社交网络。

• 320 __ |a 有书目 (第152-155页)

• 330 __ |a 本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式, 研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系, 使用图学习的方式探索用户和产品的潜在关联, 弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足, 形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性, 运用社交网络和知识图谱等辅助信息, 缓解推荐系统目前面临的“数据稀疏”“冷启动”等问题, 提高推荐系统的准确性和多样性, 为推荐系统技术的发展提供可参考的方向。

• 333 __ |a 本书适用于机器学习数据采掘研究人员

• 510 1_ |a Understanding algorithms |e deep recommendation system based on graph representation learning |z eng

• 517 1_ |a 图表示学习的推荐系统研究 |A tu biao shi xue xi de tui jian xi tong yan jiu

• 606 0_ |a 机器学习 |A ji qi xue xi |x 数据采掘

• 690 __ |a TP181 |v 5

• 690 __ |a TP311.131 |v 5

• 701 _0 |a 马心陶 |A ma xin tao |4 著

• 801 _0 |a CN |b 湖北三新 |c 20240528

• 905 __ |a LIB |d TP181/365