《深度学习推荐方法及应用》 - 庞光垚 - 电子工业出版社 - 香港大書城

	登入帳戶　 \|　訂單查詢　 \|　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
		會員登入新用戶登記

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

臺灣用戶

品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心

服務：香港／台灣／澳門／海外

送貨：速遞／郵局／服務站

新書上架：簡體書繁體書
暢銷書架：簡體書繁體書
好書推介：簡體書繁體書

『簡體書』深度学习推荐方法及应用

書城自編碼： 4142979
分類：簡體書→大陸圖書→計算機/網絡→程序設計
作者：庞光垚
國際書號(ISBN)： 9787121506734
出版社：电子工业出版社
出版日期： 2025-06-01

頁數/字數： /
書度/開本： 16开釘裝：平装

售價：HK$ 75.9

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《全球视野下的投资机会》
售價：HK$ 96.8

《地图中的战争史.陆战篇（一本书看透军事地图对500余年来近现代世界的塑造）》
售價：HK$ 184.8

《我们的箱根驿传》
售價：HK$ 71.5

《思想的手法：如何“做中国哲学” 》
售價：HK$ 85.8

《图说新质生产力2：智能制造落地化解读新质生产力的内涵和精髓》
售價：HK$ 64.9

《日本公司法（第四版）》
售價：HK$ 196.9

《故宫叙事：百年守宝传奇》
售價：HK$ 86.9

《女性，战争与回忆了解中国女性地位蜕变史》
售價：HK$ 74.8

內容簡介：

《深度学习推荐方法及应用》是一本专注于深度学习技术在推荐系统中应用的权威指南。本书从推荐系统的基础理论出发，逐步深入到基于深度学习的创新方法，如“分-物”注意力机制、多模态数据融合、强化学习推荐等。作者通过丰富的案例和实验数据，展示了如何利用深度学习解决推荐系统中的数据稀疏性、冷启动、动态兴趣建模等核心问题。无论是算法工程师、数据科学家，还是企业技术决策者，都能从本书中获得宝贵的理论知识和实践指导，助力构建高效、精准的个性化推荐系统。

關於作者：

庞光？？，博士，副研究员，广西模范教师，获陕西师范大学计算机软件与理论专业博士学位，泰国格乐大学博士生导师，广西大学、桂林电子科技大学和广西民族大学硕士生导师，广西高校智能软件重点实验室主任，广西第九届科协代表，广西人工智能学会理事。目前主要从事深度学习、推荐系统、多模态数据处理等研究工作。多次担任DSCI和SMMA等国际会议联合主席，获国际会议FutureTech-2019、DSCI-2022杰出服务奖；受邀担任IEEE TKDE等10个知名SCI/EI期刊/会议审稿专家。主持国家自然科学基金1项（复杂船运环境下面向多目标联合优化的深度强化推荐方法研究， 62262059， 2023/01-2026.12， 33万元），主持省级自然科学基金面上项目1项，主持广西高校中青年项目1项，主持梧州市高新区产学研项目1项（30万元），主持横向项目10余项；参与国家自然科学基金项目5项、省/市级项目4项；主持获2024年八桂人工智能科学技术奖特等奖(西江船货智能匹配关键技术及应用，广西人工智能学会)、参与地厅级科技进步奖4项；在IEEE Transactions on Sustainable Computing、IEEE Transactions on Network Science and Engineering和Information Fusion等国际期刊或者会议发表论文20余篇，申请或获授权发明专利5项，软件著作权20余项。

目录
第 1 章绪论. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1
1.1 研究背景及意义 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 国内外研究现状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 传统推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 基于深度学习的混合推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3 基于深度强化学习的推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 面临的问题与挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 主要工作和贡献 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 本书组织结构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
第 2 章基本概念和预备知识. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .19
2.1 深度学习技术 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.2 循环神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3 深度强化学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.4 元学习. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24
2.2 传统推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.1 协同过滤方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 矩阵分解方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.3 基于内容的推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 基于深度学习的混合推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.1 Wide Deep 混合推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.2 DeepFM 混合推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
.vi .深度学习推荐方法及应用
2.3.3 基于强化学习的推荐方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4 推荐方法评价标准 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.5 本章小结. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .39
第 3 章基于“字符-短语”注意力机制和因子分解机的混合推荐方法 . . . . . . . 41
3.1 内容推荐问题的形式化描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2 系统模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .45
3.2.1 基于字符级注意力机制的卷积神经网络模型. . . . . . . . . . . . . . . . . . . . . . . . . .46
3.2.2 基于短语级注意力机制的卷积神经网络模型. . . . . . . . . . . . . . . . . . . . . . . . . .50
3.2.3 基于双列卷积神经网络和因子分解机的评分预测模型 . . . . . . . . . . . . . . . . . 51
3.3 训练方法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .54
3.4 实验结果与分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4.1 字符长度对推荐效果的影响 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4.2 时间成本评测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4.3 多场景性能评测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4.4 新用户冷启动环境性能评测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.5 本章小结. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .67
第 4 章基于“局部-整体”注意力和文本匹配机制的兴趣点推荐方法 . . . . . . . 69
4.1 兴趣点推荐问题形式化分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2 系统模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .74
4.2.1 基于“局部-整体”注意力机制的显式特征提取模型 . . . . . . . . . . . . . . . . . . . 77
4.2.2 基于注意力机制的隐式特征提取模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.2.3 基于“局部-整体”注意力机制和“用户-POI”匹配机制的兴趣点推荐
模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.3 训练方法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .83
4.3.1 方法过程描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.3.2 有效利用非结构化数据的相关讨论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.4 实验结果与分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
目录 .vii .
4.4.1 不同创新点对推荐效果的影响 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.4.2 文本长度对推荐效果的影响 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.4.3 视觉特征对推荐效果的影响 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.4.4 多环境性能评测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.5 本章小结. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .99
第 5 章基于层次注意力和增强经验优先回放机制的深度强化学习推荐
方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .100
5.1 深度强化学习推荐问题的形式化分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .102
5.2 系统模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.2.1 基于层次注意力的行动者网络模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .106
5.2.2 基于深度 Q 学习的评论家网络模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2.3 增强经验优先回放机制 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.3 基于深度确定性策略梯度架构的深度强化学习推荐模型训练方法. .115
5.3.1 方法过程描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.3.2 注意力机制设计策略和适用场景的相关讨论 . . . . . . . . . . . . . . . . . . . . . . . . 119
5.4 实验及结果分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	香港用户　 \|　台灣用户　\|　海外用户

	megBook.com.hk
Copyright © 2013 - 2025 （香港）大書城有限公司　 All Rights Reserved.