基于机器学习的个性化推荐算法及应用

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。