大数据信息推荐理论与关键技术

　　《大数据信息推荐理论与关键技术》从8个方面给出不同类型的信息推荐理论及其方法，主要包括大数据语义推荐算法、基于排序学习的大数据推荐算法、云环境下Top-n推荐算法、分布式网络中的轮廓推荐预处理技术、分布式网络中轮廓推荐方法、实时k-Quasi轮廓推荐方法、大数据轮廓类推荐理论与方法，以及大数据K-均值类推荐技术。

第1章 绪论
1．1 研究背景与意义
1．2 国内外研究现状及分析
1．3 信息推荐目前存在的主要问题
1．4 本书结构与研究内容

第2章 大数据语义推荐算法
2．1 引言
2．2 传统推荐算法
2．3 基于语义的内容推荐算法
2．4 基于语义的协同过滤推荐算法
2．5 基于语义的混合推荐算法
2．6 基于语义的社会化推荐算法
2．7 讨论与挑战
2．8 本章小结

第3章 基于排序学习的大数据推荐算法
3．1 引言
3．2 基于排序学习的推荐算法框架
3．3 基于排序学习的推荐算法关键技术
3．4 排序学习的效用评价准则
3．5 基于排序学习的推荐算法应用进展
3．6 基于排序学习的推荐算法研究趋势展望
3．7 本章小结

第4章 云环境下top-n推荐算法
4．1 引言
4．2 MDSA
4．3 数据鳊码模式
4．4 基于map/reduce的top-n推荐算法
4．5 top-n推荐应用扩展
4．6 本章小结

第5章 分布式网络中的轮廓推荐预处理技术
5．1 引言
5．2 预备知识
5．3 预处理方法描述
5．4 预处理方法分析
5．5 本章小结

第6章 分布式网络中轮廓推荐方法
6．1 引言
6．2 问题描述
6．3 精确选择最优的预存储轮廓快照
6．4 EMSRDN算法
6．5 本章小结

第7章 实时k-quasi轮廓推荐方法
7．1 引言
7．2 k-quasi轮廓推荐
7．3 有效处理任意维空间k-quasi轮廓椎荐
7．4 优化多个维空间k-quasi轮廓推荐
7．5 k-quasi轮廓推荐扩展
7．6 本章小结

第8章 大数据轮廓类推荐理论与方法
8．1 引言
8．2 轮廓类操作符
8．3 有效实施轮廓类操作符
8．4 本章小结

第9章 大数据K-均值类推荐技术
9．1 引言
9．2 K-均值类推荐思想
9．3 基于正规格的K-均值类推荐算法
9．4 本章小结
参考文献