Recommender Systems: Algorithms and Applications
Az ajánlórendszerek információszűrést használnak a felhasználói preferenciák előrejelzésére. Az e-business létfontosságú részévé válnak, és a legkülönbözőbb iparágakban alkalmazzák őket, a szórakoztatóipartól és a közösségi hálózatoktól kezdve az informatikán át az idegenforgalomig, az oktatásig, a mezőgazdaságig, az egészségügyig, a gyártásig és a kiskereskedelemig. A Recommender Systems: Algorithms and Applications elmélyül e rendszerek elméleti alapjaiban, és megvizsgálja, hogyan alkalmazzák és valósítják meg ezeket az elméleteket a tényleges rendszerekben.
A könyv az ajánló algoritmusok több osztályát vizsgálja, többek között.
⬤ Gépi tanulási algoritmusok.
⬤ Community detection algoritmusok.
⬤ Szűrő algoritmusok.
A gépi tanulási algoritmusokat használó különböző hatékony és robusztus termékajánló rendszerek segítenek a felhasználók által nem látott adatok szűrésében és feltárásában a jobb előrejelzés és a döntések extrapolálása érdekében. Ezek szélesebb körű megoldásokat kínálnak olyan kihívásokra, mint a kiegyensúlyozatlan adathalmazok problémái, a hidegindítási problémák és a hosszú farok problémák. Ez a könyv az ajánlórendszerek alapjait képező alapvető ontológiai álláspontokat is megvizsgálja, és megmagyarázza, hogy miért jósolnak bizonyos ajánlásokat másokkal szemben.
Az ajánlórendszerek fejlesztésére szolgáló technikákat és megközelítéseket is vizsgálják. Ezek segíthetnek az algoritmusok rendszerként való megvalósításában, és többek között a következőket foglalják magukban.
⬤ Látens faktoros technika modellalapú szűrőrendszerekhez.
⬤ Kollaboratív szűrési megközelítések.
⬤ Tartalomalapú megközelítések.
Végül a könyv megvizsgálja a közösségi hálózatok, a fogyasztói termékek ajánlása és a szoftverfejlesztési projektek kockázatának előrejelzése terén alkalmazott tényleges rendszereket.