Leserbewertungen
Zusammenfassung:Das Buch über Empfehlungssysteme wird für seine klare Sprache, seine umfassende Abdeckung und seine praktischen Einblicke hoch gelobt, was es sowohl für Anfänger als auch für diejenigen, die ihr Wissen vertiefen wollen, wertvoll macht. Es dient zwar als maßgebliche Quelle, aber es wurde bemängelt, dass fortgeschrittene Themen wie Deep Learning-Techniken und praktische Beispiele fehlen.
Vorteile:⬤ Klare und gut organisierte Texte.
⬤ Umfassende Darstellung der wesentlichen Algorithmen und mathematischen Grundlagen von Empfehlungssystemen.
⬤ Gute Ausgewogenheit von Theorie und praktischen Ratschlägen.
⬤ Nützlich als Nachschlagewerk sowohl für Anfänger als auch für Fortgeschrittene.
⬤ Gibt Sicherheit beim Aufbau eigener Empfehlungssysteme.
⬤ Viele Nutzer finden es hilfreich und empfehlen es weiter.
⬤ Fehlende Abdeckung fortgeschrittener Themen wie Deep Learning und Multi-Armed Bandits.
⬤ Einige Nutzer wünschen sich mehr numerische Beispiele und Beispielcode.
⬤ Das Inhaltsverzeichnis der Kindle-Version ist nicht mit Hyperlinks versehen, was die Navigation umständlich macht.
⬤ Bestimmte Abschnitte enthalten sich wiederholende Inhalte und einige kleinere Ungenauigkeiten.
(basierend auf 18 Leserbewertungen)
Originaltitel:
Recommender Systems: The Textbook
Inhalt des Buches:
Dieses Buch befasst sich umfassend mit dem Thema Empfehlungssysteme, die dem Benutzer auf der Grundlage seiner früheren Suchanfragen oder Käufe personalisierte Empfehlungen für Produkte oder Dienstleistungen geben. Die Methoden von Empfehlungssystemen wurden an verschiedene Anwendungen angepasst, darunter die Auswertung von Suchprotokollen, soziale Netzwerke, Nachrichtenempfehlungen und computergestützte Werbung. Dieses Buch fasst sowohl die grundlegenden als auch die fortgeschrittenen Themen eines Forschungsgebiets zusammen, das inzwischen eine gewisse Reife erlangt hat. Die Kapitel dieses Buches sind in drei Kategorien gegliedert:
Algorithmen und Bewertung: Diese Kapitel behandeln die grundlegenden Algorithmen in Empfehlungssystemen, einschließlich kollaborativer Filtermethoden, inhaltsbasierter Methoden, wissensbasierter Methoden, ensemblebasierter Methoden und Evaluierung.
Empfehlungen in spezifischen Domänen und Kontexten: Der Kontext einer Empfehlung kann als wichtige Nebeninformation betrachtet werden, die die Ziele der Empfehlung beeinflusst. Es werden verschiedene Arten von Kontext wie zeitliche Daten, räumliche Daten, soziale Daten, Tagging-Daten und Vertrauenswürdigkeit untersucht.
Fortgeschrittene Themen und Anwendungen: Verschiedene Aspekte der Robustheit von Empfehlungssystemen, wie z.B. Shilling-Systeme, Angriffsmodelle und deren Verteidigung werden diskutiert.
Darüber hinaus werden aktuelle Themen wie Learning to Rank, Multi-Armed Bandits, Gruppensysteme, multikriterielle Systeme und aktive Lernsysteme zusammen mit Anwendungen vorgestellt.
Obwohl dieses Buch in erster Linie als Lehrbuch dient, wird es aufgrund seines Schwerpunkts auf Anwendungen und Referenzen auch für industrielle Praktiker und Forscher interessant sein. Es gibt zahlreiche Beispiele und Übungen, und für Dozenten steht ein Lösungsbuch zur Verfügung.
Weitere Daten des Buches:
| ISBN: | 9783319296579 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
Kauf:
Derzeit verfügbar, auf Lager.
