电商场景下智能推荐引擎.docVIP

电商场景下智能推荐引擎

TOC\o1-2\h\u23639第1章智能推荐引擎概述 4

246871.1推荐系统的基本概念 4

278871.2智能推荐引擎的发展历程 4

268811.3电商场景下的推荐需求 4

3143第2章推荐系统关键技术 5

100972.1用户画像构建 5

93922.1.1用户基本信息收集 5

265422.1.2用户行为数据分析 5

147772.1.3用户标签体系构建 5

207292.1.4用户画像更新与维护 5

19892.2商品画像构建 5

163012.2.1商品属性抽取 6

197742.2.2商品类别体系构建 6

261422.2.3商品特征向量表示 6

293012.2.4商品画像更新与维护 6

136932.3相似度计算方法 6

116302.3.1余弦相似度 6

222532.3.2皮尔逊相关系数 6

269242.3.3修正的余弦相似度 6

322982.3.4Jaccard相似系数 6

133672.4推荐算法概述 6

272422.4.1基于内容的推荐算法 7

226402.4.2协同过滤推荐算法 7

203342.4.3混合推荐算法 7

37002.4.4深度学习推荐算法 7

28626第3章协同过滤推荐算法 7

43753.1用户基于协同过滤算法 7

151323.1.1算法原理 7

147853.1.2相似度计算 7

54113.1.3推荐列表 7

216873.2商品基于协同过滤算法 7

229743.2.1算法原理 8

52623.2.2相似度计算 8

17583.2.3推荐列表 8

16313.3模型优化与改进 8

21733.3.1冷启动问题 8

134273.3.2稀疏性处理 8

156283.3.3推荐解释性 8

213803.3.4多维度融合 8

15938第4章内容推荐算法 8

304034.1基于内容的推荐算法 9

65274.1.1特征提取 9

269424.1.2用户偏好建模 9

153874.1.3相似度计算 9

326124.2文本挖掘技术在推荐系统中的应用 9

151944.2.1商品描述分析 9

24854.2.2用户评论挖掘 9

73924.2.3用户查询意图识别 9

66224.3多模态内容推荐 10

112204.3.1跨模态特征融合 10

55894.3.2多任务学习框架 10

20704.3.3应用案例 10

12465第5章深度学习在推荐系统中的应用 10

184885.1神经协同过滤算法 10

243945.1.1神经协同过滤的原理 10

30915.1.2常见的神经协同过滤模型 10

202045.1.3神经协同过滤在电商推荐系统中的应用实例 10

33765.2序列模型在推荐系统中的应用 10

221845.2.1序列模型原理 10

254435.2.2基于循环神经网络的序列推荐模型 10

245715.2.3双塔模型在序列推荐中的应用 11

100525.3对抗网络在推荐系统中的应用 11

271135.3.1对抗网络原理 11

106035.3.2GAN在推荐系统中的应用 11

86415.3.3GAN在电商推荐系统中的具体实践 11

27806第6章冷启动问题及解决方案 11

100136.1冷启动问题概述 11

169726.2基于用户行为的冷启动解决方案 11

319756.2.1利用社会化信息 11

92326.2.2用户群体分析 11

305576.2.3迁移学习 12

312436.3基于内容的冷启动解决方案 12

141956.3.1利用物品元数据 12

157046.3.2基于物品相似度的推荐 12

15376.3.3利用外部信息源 12

7918第7章多任务学习在推荐系统中的应用 12

137247.1多任务学习概述 12

242267.2多任务学习框架 13

102597.2.1模型结构 13

69537.2.2学习策略 13

155807.3多任务学习在