机器学习 因子分解机模型与推荐系统【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

机器学习 因子分解机模型与推荐系统PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 预测和推荐问题描述1

1.2 研究意义3

1.3 国内外研究现状及发展动态4

1.3.1 数据稀疏性和冷启动问题5

1.3.2 用户偏好和物品流行度动态建模6

1.3.3 大数据处理和模型的扩展性7

1.3.4 多样性和准确性平衡问题8

1.4 本书组织结构9

第2章 FM模型及其扩展12

2.1 逻辑回归模型12

2.2 基于因子分解的多项式回归模型13

2.3 FM模型14

2.4 FM模型与矩阵分解模型的转化15

2.4.1 矩阵分解模型15

2.4.2 FM模型转化为矩阵分解模型16

2.5 FM模型的高阶扩展17

2.6 FM模型的场交互扩展18

2.7 FM模型的层次交互扩展19

2.8 FM模型与其他模型的集成20

2.9 本章小结22

第3章 特征工程及其对FM模型的影响23

3.1 属性、特征、特征向量和数据集23

3.2 特征工程24

3.3 特征的来源25

3.4 FM模型相关研究中的特征工程27

3.5 FM模型的应用领域30

3.6 本章小结32

第4章 模型训练方法33

4.1 预测和推荐模型的目标优化33

4.2 模型训练方式34

4.2.1 拟牛顿法34

4.2.2 SGD系列算法35

4.2.3 Gibbs采样算法37

4.3 激活函数38

4.4 过拟合问题39

4.4.1 正则化方式40

4.4.2 批规范化41

4.4.3 Dropout及相关优化方法42

4.5 本章小结44

第5章 智能化场感知分解机45

5.1 算法改进思路45

5.2 iFFM模型46

5.3 多样性处理48

5.3.1 热扩散算法48

5.3.2 两个模型的集成50

5.4 实验结果与分析50

5.4.1 实验环境50

5.4.2 实验结果51

5.5 本章小结54

第6章 广义场感知分解机55

6.1 模型改进思路55

6.2 时间因子57

6.3 动态模型构建58

6.4 GFFM模型评价60

6.4.1 实验设置60

6.4.2 实验结果及分析62

6.5 本章小结64

第7章 FM模型与深度学习模型的集成65

7.1 FNN模型65

7.2 Wide＆Deep模型66

7.3 Deep＆Cross模型67

7.4 DeepFM模型68

7.5 NFM与AFM模型68

7.6 宽度和深度学习模型集成方式分析69

7.7 本章小结70

第8章 基于稠密网络的广义场感知分解机71

8.1 ResNet和DenseNet71

8.2 DGFFM模型73

8.2.1 Wide＆Deep结构73

8.2.2 FNN结构74

8.3 DGFFM模型评价75

8.3.1 实验设置75

8.3.2 实验结果及分析75

8.4 本章小结76

第9章 FM模型实现库及并行化处理77

9.1 libFM77

9.1.1 libFM中核心类之间的关系77

9.1.2 fm leam类代码解析78

9.2 FM的其他实现库83

9.2.1 libFFM83

9.2.2 fastFM83

9.3 FM模型的其他优化方法83

9.4 FM模型的并行实现84

9.5 本章小结87

第10章 时尚电商领域的推荐系统研究88

10.1 深度学习为时尚推荐研究带来新思路88

10.2 大数据环境下时尚电商推荐系统框架及面临的问题89

10.3 融合视觉特征的推荐系统研究内容90

10.3.1 融合非视觉属性与视觉特征及其时空动态性的推荐模型研究91

10.3.2 面向大规模数据的并行化模型训练算法与技术研究92

10.3.3 在线推荐引擎研究92

10.4 关键问题93

10.4.1 基于视觉特征的时空动态建模93

10.4.2 模型训练的优化问题93

10.4.3 推荐引擎的实时处理93

10.5 相关技术94

10.5.1 基于深度卷积神经网络的视觉特征提取方法94

10.5.2 基于iFFM模型的非视觉属性建模95

10.5.3 基于VBPR的视觉特征建模96

10.5.4 基于马尔可夫链的时间序列预测96

10.5.5 基于SGD算法的模型训练方法97

10.5.6 基于TensorFlow的并行算法实现98

10.6 本章小结98

第11章 一个N-阶段购买决策模型100

11.1 研究背景100

11.2 特征处理与Wide＆Deep plus框架101

11.3 NSPD模型及其优化102

11.4 实验与结果评价105

11.4.1 数据集105

11.4.2 评价指标106

11.4.3 算法实现106

11.4.4 实验结果106

11.5 本章小结108

参考文献109