کتاب Recommender Systems Handbook

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 12,310,000 ریال

قیمت: 11,910,000 ریال

جلد سخت سیاه و سفید

Product details

Publisher ‏ : ‎ Springer; 3rd ed. 2022 edition (April 23, 2022)
Language ‏ : ‎ English
Hardcover ‏ : ‎ 1071 pages
ISBN-10 ‏ : ‎ 1071621963
ISBN-13 ‏ : ‎ 978-1071621967

This third edition handbook describes in detail the classical methods as well as extensions and novel approaches that were more recently introduced within this field. It consists of five parts: general recommendation techniques, special recommendation techniques, value and impact of recommender systems, human computer interaction, and applications. The first part presents the most popular and fundamental techniques currently used for building recommender systems, such as collaborative filtering, semantic-based methods, recommender systems based on implicit feedback, neural networks and context-aware methods.

The second part of this handbook introduces more advanced recommendation techniques, such as session-based recommender systems, adversarial machine learning for recommender systems, group recommendation techniques, reciprocal recommenders systems, natural language techniques for recommender systems and cross-domain approaches to recommender systems. The third part covers a wide perspective to the evaluation of recommender systems with papers on methods for evaluating recommender systems, their value and impact, the multi-stakeholder perspective of recommender systems, the analysis of the fairness, novelty and diversity in recommender systems. The fourth part contains a few chapters on the human computer dimension of recommender systems, with research on the role of explanation, the user personality and how to effectively support individual and group decision with recommender systems. The last part focusses on application in several important areas, such as, food, music, fashion and multimedia recommendation.

This informative third edition handbook provides a comprehensive, yet concise and convenient reference source to recommender systems for researchers and advanced-level students focused on computer science and data science. Professionals working in data analytics that are using recommendation and personalization techniques will also find this handbook a useful tool.

منابع کتاب کتاب Recommender Systems Handbook

این کتاب راهنما ویرایش سوم به تفصیل روش‌های کلاسیک و همچنین الحاقات و رویکردهای جدید را که اخیراً در این زمینه معرفی شده‌اند، شرح می‌دهد. این شامل پنج بخش است: تکنیک های توصیه عمومی، تکنیک های توصیه ویژه، ارزش و تاثیر سیستم های توصیه کننده، تعامل با کامپیوتر انسانی، و برنامه های کاربردی. بخش اول محبوب‌ترین و اساسی‌ترین تکنیک‌هایی را که در حال حاضر برای ساختن سیستم‌های توصیه‌گر مورد استفاده قرار می‌گیرد، مانند فیلتر کردن مشارکتی، روش‌های مبتنی بر معنایی، سیستم‌های توصیه‌گر مبتنی بر بازخورد ضمنی، شبکه‌های عصبی و روش‌های آگاه از زمینه ارائه می‌کند.

بخش دوم این کتاب راهنما، تکنیک‌های پیشنهادی پیشرفته‌تری را معرفی می‌کند، مانند سیستم‌های توصیه‌گر مبتنی بر جلسه، یادگیری ماشین متخاصم برای سیستم‌های توصیه‌گر، تکنیک‌های توصیه‌گر گروه، سیستم‌های توصیه‌کننده متقابل، تکنیک‌های زبان طبیعی برای سیستم‌های توصیه‌گر و رویکردهای متقابل دامنه برای سیستم‌های توصیه‌گر. بخش سوم دیدگاه گسترده‌ای را برای ارزیابی سیستم‌های توصیه‌گر با مقالاتی در مورد روش‌های ارزیابی سیستم‌های توصیه‌گر، ارزش و تأثیر آنها، دیدگاه چندجانبه سیستم‌های توصیه‌گر، تجزیه و تحلیل عادلانه، تازگی و تنوع در سیستم‌های توصیه‌گر را پوشش می‌دهد. بخش چهارم شامل چند فصل در مورد بعد کامپیوتر انسانی سیستم های توصیه گر با تحقیق در مورد نقش توضیح، شخصیت کاربر و نحوه حمایت موثر از تصمیم گیری فردی و گروهی با سیستم های توصیه گر. بخش آخر بر کاربرد در چندین زمینه مهم مانند غذا، موسیقی، مد و توصیه های چند رسانه ای تمرکز دارد.

این کتاب راهنمای ویرایش سوم آموزنده، منبع مرجع جامع و در عین حال مختصر و مناسبی برای سیستم‌های توصیه‌کننده برای محققان و دانشجویان سطح پیشرفته متمرکز بر علوم کامپیوتر و علوم داده ارائه می‌کند. متخصصانی که در تجزیه و تحلیل داده‌ها کار می‌کنند و از تکنیک‌های توصیه و شخصی‌سازی استفاده می‌کنند نیز این کتاب راهنما را ابزار مفیدی می‌دانند.