相關商品
商品簡介
商品簡介
資訊化、智慧化技術的快速發展引發了資料爆發式增長, 大資料時代的到來也伴隨著「資訊超載」問題的出現。推薦系統是解決資訊超載的有效方法, 作為現階段推薦演算法當中應用最為廣泛的個性化推薦演算法之一, 協同過濾推薦演算法有著該領域內其他推薦演算法無法比擬的諸多優點。但是在實際應用場景中, 協同過濾推薦演算法仍然有較多問題和挑戰亟須解決。針對協同過濾推薦演算法面對的資料稀疏性問題, 本書分別採用資料填充方法、融合信任的概率矩陣分解模型、融合使用者評分資訊和專案評論特徵的深度學習模型進行分析解決。針對協同過濾推薦演算法面對的冷啟
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。