新書推薦：
《
科学的奇幻之旅
》
售價：HK$
79.4
《
画艺循谱：晚明的画谱与消闲
》
售價：HK$
147.2
《
新民说·现实政治史：从马基雅维利到基辛格
》
售價：HK$
102.4
《
宽容是件奢侈品（人生360度·一分钟经典故事）
》
售價：HK$
45.8
《
甲骨拼合六集
》
售價：HK$
342.7
《
视觉美食家：商业摄影实战与创意解析
》
售價：HK$
135.7
《
中国经济发展的新阶段：机会与选择
》
售價：HK$
102.4
《
DK月季玫瑰百科
》
售價：HK$
216.2
|
| 編輯推薦： |
|
本书精选自2014年以来入选的清华大学校级优秀博士学位论文（Top 5%）。每篇论文经作者进一步修改、充实并增加导师序言后，以专著形式呈现在读者面前。优博丛书选题范围涉及自然科学和人文社会科学各主要领域，覆盖清华大学开设的全部一级学科，代表了清华大学各学科z优秀的博士学位论文的水平，反映了相关领域z新的科研进展，具有较强的前沿性、系统性和可读性，是广大博硕士研究生开题及撰写学位论文的必备参考，也是科研人员快速和系统了解某一细分领域发展概况、z新进展以及创新思路的有效途径。
|
| 內容簡介： |
|
本书立足于个性化推荐和用户心理学的交叉点，为用户行为预测和心理学理论的研究者们提供了新的视角，有代表性地考虑了三类心理特质的影响，包括探索、涉入和从众，来进行推荐方法的设计，基于贝叶斯模型的框架设计了一系列新型的概率图模型。
|
| 目錄：
|
第1章 引言
1.1 选题背景与意义
1.2 研究历史与现状
1.3 研究内容和框架
1.4 研究挑战和方法
1.5 研究成果和创新点
1.5.1 考虑探索的推荐模型
1.5.2 考虑涉入的推荐模型
1.5.3 考虑从众的推荐模型
第2章 文献综述
2.1 个性化推荐研究
2.1.1 推荐方法分类
2.1.2 社会化推荐
2.1.3 典型推荐应用
2.2 相关心理学理论
2.2.1 探索理论
2.2.2 涉入理论
2.2.3 从众理论
第3章 考虑探索的推荐
3.1 引言
3.2 问题定义
3.3 GEM模型
3.3.1 模型设计
3.3.2 相似度计算
3.3.3 参数学习
3.3.4 复杂度分析
3.4 推荐方法
3.5 实验评估
3.5.1 实验设置
3.5.2 推荐效果
3.5.3 参数调节
3.5.4 目标语义
3.5.5 探索倾向分析
3.6 管理启示
3.7 本章小结
第4章 考虑涉入的推荐
4.1 引言
4.2 问题定义
4.3IMAR模型
4.3.1 模型设计
4.3.2 参数学习
4.4 推荐方法
4.5 实验评估
4.5.1 实验设置
4.5.2 推荐效果
4.5.3 模型优势分析
4.5.4 兴趣和涉入度发现
4.5.5IMAR与GEM对比分析
4.6 管理启示
4.7 本章小结
第5章 考虑从众的推荐
5.1 引言
5.2 问题定义
5.3 ICTM模型
5.3.1 模型设计
5.3.2 参数学习
5.3.3 复杂度分析
5.4 推荐方法
5.5 实验评估
5.5.1 实验设置
5.5.2 推荐效果
5.5.3 话题与社区发现
5.5.4 从众倾向分析
5.6 管理启示
5.7 本章小结
第6章 总结与展望
6.1 研究工作总结
6.2 未来研究展望
参考文献
附录A GEM模型参数学习推导细节
附录B IMAR模型参数学习推导细节
附录C ICTM模型参数学习推导细节
致谢
|
| 內容試閱：
|
如今，个性化推荐技术已经广泛应用到电子商务、内容分发以及社交网络服务等消费系统中。它如同一个智能化的信息助手，通过分析用户与系统的交互历史行为，如浏览、点击、购买、评价等，挖掘用户偏好和潜在消费需求，即可为用户推荐感兴趣的物品。随着推荐系统的广泛应用，其作用日益彰显。通过捕捉用户偏好和精准匹配用户需求，个性化推荐系统在提升用户的消费体验的同时，也提高了企业运营效率和收益。
因此，如何设计合理有效的个性化推荐系统已经成为业界和学界普遍关注的问题。从2006年开始举办的、当年风靡一时的Netflix Prize推荐模型竞赛，到近年来国内著名电商平台阿里巴巴、京东都频频推出的有关推荐系统的竞赛，越来越多的科研人员加入到推荐系统的研究中来，贡献了各种各样的推荐模型和算法，也大大提高了推荐系统在业界和学界的影响力。
用户的消费行为是一个复杂的过程，存在多种影响因素，其中个性心理因素是影响用户选择物品、服务进行消费的重要因素。营销、心理学以及信息系统相关领域的研究旨在描述和解释用户的行为，而有关用户行为的预测及其在推荐系统中的应用方面的研究还十分缺乏。同时，已有研究多数采取实验、问卷调查等方式，不仅耗费大量的人力物力，得到的数据十分有限，数据的客观性也难以得到保障。因此，基于用户在消费过程中的行为数据，通过数据驱动的分析方法和技术，发现用户潜在的需求和心理因素，基于用户的个性心理因素进行用户行为的预测和个性化推荐方法的设计，这就成了非常值得研究的具有挑战性的课题。本书作者以此为切入点，在攻读博士学位期间选取了探索、涉入、从众三种心理特质，结合心理学理论和数据科学理论，系统展开了考虑用户心理因素的推荐方法研究，丰富了用户心理分析、行为预测和个性化推荐领域的研究方法。
考虑心理因素的推荐方法研究首先需要解决心理因素识别的问题。用户心理因素具有不可观测和因人而异的特点，给心理因素的识别带来很大的挑战。为了解决这个问题，本书援引有关心理学理论作为支撑，基于贝叶斯模型的框架提出了新型的概率图模型，通过用户的外在行为表现挖掘其内在心理特质，并将心理因素的影响加入用户行为预测中，提出了一系列新颖的推荐模型和策略，显著提高了个性化推荐的性能。此外，本书提出了数据驱动的分析用户心理特质和行为模式的方法，基于已有经典理论分析新型电子商务情景中的用户行为，发现了很多有意义的行为特质和结论，为电子商务的运营管理和决策提供了有效启示。
总之，本书以心理学理论和数据科学为基础，设计了一系列基于用户行为挖掘用户潜在心理特质并应用于行为预测和推荐系统的模型和方法，这些模型和方法不仅提升了推荐系统的性能，也同时便于理解用户行为，提升推荐系统的可解释性，为个性化推荐领域的研究以及消费者行为的研究开辟了新的方向。从更广义层面来说，利用有关心理学和行为学理论指导机器学习等计算模型的设计正成为一个有前景的研究方向，将催生出更多值得研究的问题。
本书涉及的研究得到国家自然科学基金项目考虑心理因素的用户在线行为预测及其在推荐系统中的应用研究（编号71771131）的资助，特此说明。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
