融合多源异构数据的推荐与检索

第1章 绪论
1.1 与检索
1.1.1
1.1.2 检索
1.2 多源异构数据融合的优势与挑战
1.2.1 基于 的多源异构数据融合的优势与挑战
1.2.2 基于检索的多源异构数据融合的优势与挑战
1.3 本章小结
第2章 与检索技术
2.1 技术
2.1.1 基于内容的
2.1.2 协同过滤
2.1.3 基于深度学习的
2.1.4 系统评价指标
2.1.5 基于评测方法的评价指标
2.2 检索技术
2.2.1 基于文本的检索
2.2.2 基于内容的检索
2.2.3 基于语义的检索
2.2.4 基于上下文的检索
2.2.5 基于示例的检索
2.2.6 多模态跨模态检索
2.2.7 个性化检索
2.3 本章小结
第3章 个性化推荐与检索
3.1 基于内容的个性化图像 与检索
3.1.1 用户兴趣获取
3.1.2 用户兴趣表示
3.1.3 个性化实现
3.2 基于协同过滤的个性化图像 与检索
3.2.1 基于用户的协同过滤
3.2.2 基于物品的协同过滤
3.2.3 基于模型的协同过滤
3.3 个性化图像 与检索方法对比
3.4 本章小结
第4章 基于传统机器学习的多源异构数据推荐模型
4.1 问题描述
4.2 相关算法
4.2.1 Word2Vector
4. 2.2 Online LDA
4.2.3 CNM
4.2.4 CoDA
4.3 流程
4.4 模型
4.4.1 评论特征提取
4.4.2 社区发现
4.4.3 模型训练
4.4.4 特征混合
4.4.5 预测和评价
4.5 Spark实现