基于机器学习的个性化推荐算法及应用

提出如下3种算法：

① 基于三维项集矩阵和向量的频繁项集挖掘算法。
② 融合惩罚因子和时间权重的协同过滤算法。
③ 基于用户属性和项目评分的协同过滤算法。

给出了一个图书推荐原型系统的构建方案。

个性化推荐作为一种重要的信息过滤技术，广泛应用于电子商务、社交服务以及基于位
置的服务等领域，随着数据量的爆炸式增长，原有的推荐算法存在执行效率低和数据稀疏性等问题。为了解决原有推荐算法存在的问题，本书提出了3 种新的算法，分别是基于三维项集矩阵和向量的频繁项集挖掘算法、融合惩罚因子和时间权重的协同过滤算法以及基于用户属性和项目评分的协同过滤算法，并介绍了一个个性化图书推荐原型系统的构建方案。
本书结构清晰、文字流畅，适合对机器学习、个性化推荐感兴趣的读者阅读。

刘超慧：郑州航空工业管理学院智能工程学院创新实践中心主任，主要研究方向为信息系统开发、机器学习和资源推荐。从事《程序设计基础》、《高级语言程序设计》、《Python语言程序设计》、《程序设计综合实践》等课程的教学工作。

李玲玲：教授，博士后，郑州航空工业管理学院科技处处长，多模信息感知计算河南省工程实验室主任，河南省航空物流大数据应用技术服务工程研究中心主任。

第1章概述

1.1研究背景与意义

1.1.1研究背景

1.1.2研究意义

1.2问题与挑战

1.2.1信息过载

1.2.2长尾效应

1.2.3隐私保护

1.3本书的组织架构

第2章机器学习的相关理论

2.1机器学习

2.1.1机器学习的概念

2.1.2机器学习的分类

2.1.3机器学习的工作流程

2.2推荐系统

2.2.1推荐系统概述

2.2.2推荐系统的形式化定义

……