1、封面介绍
2、出版时间
2018年10月
3、推荐理由
推荐系统发展到现在产生了许多具有广泛影响力的算法模型，经典的算法是协同过滤算法，其易于实现，因而具有广泛的实用价值，但它也存在着算法复杂度高和推荐精度低的问题。《机器学习算法实践——推荐系统的协同过滤理论及其应用》提出了一系列改进协同过滤推荐质量的方法，并将相关算法应用到实际生活中，开发出一个原型系统。
个性化推荐能够根据用户的历史行为显式或者隐式地挖掘用户潜在的兴趣和需求，并为其推送个性化信息，因此受到研究者的追捧及工业界的青睐，其研究具有重大的学术价值及商业应用价值，已广泛应用于大型电子商务平台、社交平台、新闻客户端以及其他各类旅游和娱乐类网站中。
本书内容丰富，较全面地介绍了基于协同过滤的推荐系统存在的问题、解决方法和评估策略，主要内容涉及协同过滤推荐算法中的时序技术、矩阵分解技术和社交网络信任技术等知识。
本书可供从事推荐系统、人工智能、机器学习、模式识别和信息检索等领域的科研人员及研究生阅读、参考。
4、下载链接
本电子书可以提供下载，下载方式请移步：http://www.hbase.cn/archives/1147.html
