目　錄
Recommender Systems Handbook,Second Edition
齣版者的話
推薦序一
推薦序二
推薦序三
譯者序
前言
譯者簡介
第1章　推薦係統：簡介和挑戰1
1.1　簡介1
1.2　推薦係統的功能3
1.3　數據和知識來源5
1.4　推薦技術7
1.5　推薦係統評估10
1.6　推薦係統應用11
1.7　推薦係統與人機交互13
1.8　高級話題14
1.9　挑戰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18
參考文獻19
第一部分　推薦係統技術
第2章　基於鄰域的推薦方法綜述24
2.1　簡介24
2.1.1　基於鄰域方法的優勢25
2.1.2　目標和概要26
2.2　問題定義和符號26
2.3　基於鄰域的推薦27
2.3.1　基於用戶的評分預測28
2.3.2　基於用戶的分類預測方法28
2.3.3　迴歸與分類29
2.3.4　基於物品的推薦29
2.3.5　基於用戶和基於物品的推薦方法的比較30
2.4　基於鄰域方法的要素31
2.4.1　評分標準化31
2.4.2　相似度權重的計算33
2.4.3　鄰域的選擇37
2.5　高級進階技術37
2.5.1　基於圖的方法38
2.5.2　基於學習的方法40
2.6　總結44
參考文獻44
第3章　協同過濾方法進階48
3.1　簡介48
3.2　預備知識49
3.2.1　基準預測49
3.2.2　Netflix數據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58
3.4　基於鄰域的模型59
3.4.1　相似度度量59
3.4.2　基於相似度的插值60
3.4.3　聯閤派生插值權重61
3.4.4　小結63
3.5　增強的基於鄰域的模型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　基於鄰域模型的動態時序71
3.5.4　小結72
3.6　基於鄰域的模型和因子分解模型的比較73
參考文獻75
第4章　基於內容的語義感知推薦係統77
4.1　簡介77
4.2　基於內容的推薦係統概述77
4.2.1　基於關鍵詞的嚮量空間模型79
4.2.2　用戶特徵學習的方法80
4.2.3　基於內容過濾的優缺點81
4.3　自上而下的語義方法82
4.3.1　基於本體資源的方法83
4.3.2　基於非結構化或半結構化百科知識的方法84
4.3.3　基於關聯開放數據的方法86
4.4　自下而上的語義方法90
4.4.1　基於判彆式模型的方法90
4.5　方法比較與小結94
4.6　總結與未來挑戰95
緻謝96
參考文獻96
第5章　基於約束的推薦係統103
5.1　簡介103
5.2　推薦知識庫的開發105
5.3　推薦過程中的用戶導嚮作用108
5.4　計算推薦結果113
5.5　實際應用的經驗114
5.6　未來的研究方法116
5.7　總結118
參考文獻118
第6章　情境感知推薦係統123
6.1　簡介和動機123
6.2　推薦係統中的情境124
6.2.1　什麼是情境124
6.2.2　推薦係統中模型化情境信息的錶徵性方法125
6.2.3　推薦係統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　結閤具有代錶性情境的推薦係統範式131
6.3.1　情境預過濾133
6.3.2　情境後過濾136
6.3.3　情境建模137
6.4　討論和總結138
緻謝140
參考文獻140
第7章　推薦係統中的數據挖掘方法145
7.1　簡介145
7.2　數據預處理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　監督學習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　無監督學習159
7.4.1　聚類分析159
7.4.2　關聯規則挖掘161
7.5　總結162
參考文獻163
第二部分　推薦係統評估
第8章　推薦係統的評估170
8.1　簡介170
8.2　實驗設置171
8.2.1　離綫實驗172
8.2.2　用戶調查173
8.2.3　在綫評估175
8.2.4　得齣可靠結論176
8.3　推薦係統屬性178
8.3.1　用戶偏好179
8.3.2　預測精度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　風險191
8.3.11　健壯性192
8.3.12　隱私192
8.3.13　適應性193
8.3.14　可擴展性193
8.4　結論193
參考文獻194
第9章　使用用戶實驗評估推薦係統198
9.1　簡介198
9.2　理論基礎與現有工作199
9.2.1　理論基礎：Knijnenburg等人提齣的評估框架199
9.2.2　現有以用戶為中心的研究概覽以及有前景的方嚮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　統計評估214
9.4　結論219
參考文獻221
第10章　對推薦結果的解釋：設計和評估228
10.1　簡介228
10.2　推薦設計的呈現和交互229
10.2.1　推薦呈現229
......
· · · · · · (收起)