Machine Learning Paradigms (eBook)
125 Seiten
Springer International Publishing (Verlag)
978-3-319-19135-5 (ISBN)
This timely book presents Applications in Recommender Systems which are making recommendations using machine learning algorithms trained via examples of content the user likes or dislikes. Recommender systems built on the assumption of availability of both positive and negative examples do not perform well when negative examples are rare. It is exactly this problem that the authors address in the monograph at hand. Specifically, the books approach is based on one-class classification methodologies that have been appearing in recent machine learning research. The blending of recommender systems and one-class classification provides a new very fertile field for research, innovation and development with potential applications in “big data” as well as “sparse data” problems.
The book will be useful to researchers, practitioners and graduate students dealing with problems of extensive and complex data. It is intended for both the expert/researcher in the fields of Pattern Recognition, Machine Learning and Recommender Systems, as well as for the general reader in the fields of Applied and Computer Science who wishes to learn more about the emerging discipline of Recommender Systems and their applications. Finally, the book provides an extended list of bibliographic references which covers the relevant literature completely.
Introduction.- Review of Previous Work Related to Recommender Systems.- The Learning Problem.-Content Description of Multimedia Data.- Similarity Measures for Recommendations based on Objective Feature Subset Selection.- Cascade Recommendation Methods.- Evaluation of Cascade Recommendation Methods.- Conclusions and Future Work.
| Erscheint lt. Verlag | 13.6.2015 |
|---|---|
| Reihe/Serie | Intelligent Systems Reference Library | Intelligent Systems Reference Library |
| Zusatzinfo | XV, 125 p. 32 illus., 6 illus. in color. |
| Verlagsort | Cham |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Grafik / Design |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Technik ► Bauwesen | |
| Schlagworte | Class Imbalance • Intelligent Systems • machine learning • one-class classification • pattern recognition • personalization • Recommender Systems |
| ISBN-10 | 3-319-19135-7 / 3319191357 |
| ISBN-13 | 978-3-319-19135-5 / 9783319191355 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
