人妻三级日本三级日本三级极,午夜天堂18禁A片免费播放

內容簡介

　　這是一本全面講解圖計算、知識圖譜及其在推薦系統(tǒng)領域應用的專著，為讀者基于神經網絡構建推薦系統(tǒng)提供了詳細指導，是作者在相關領域10余年經驗的總結。掌握本書內容，讀者可開發(fā)出能處理多模態(tài)數據的推薦算法系統(tǒng)，提供更豐富和準確的推薦體驗。本書主要內容分為兩篇。第一篇圖數據以及圖模型（第1-3章）對圖數據、圖神經網絡、知識圖譜的基礎知識進行了梳理，幫助讀者掌握著3項技術的關鍵原理與算法，為后面的學習打下基礎。第二篇推薦系統(tǒng)（第4-9章）首先介紹了推薦系統(tǒng)的架構，包括邏輯架構、技術架構和數據建模，以及基于GNN的推薦系統(tǒng)架構；然后詳細講解了如何基于GNN構建推薦系統(tǒng)，以及基于圖的推薦算法；再接著講解了知識圖譜在推薦系統(tǒng)中的應用以及相關的算法模型；最后，探討了推薦系統(tǒng)領域當前的熱點問題、研究方向以及工業(yè)級推薦系統(tǒng)領域的核心難題本書注重實戰(zhàn)，故理論知識簡練且極具針對性，包含大量實戰(zhàn)案例，圖文并茂，易于閱讀。

作者簡介

　　劉宇資深AI技術專家和搜索與推薦領域專家，曾在多家互聯網公司擔任資深算法專家、技術總監(jiān)以及技術VP，現擔任某創(chuàng)業(yè)公司CTO。在人工智能和信息檢索領域有10余年開發(fā)經驗，對主流的推薦、搜索、聊天機器人、大模型等技術、產品與解決方案都有深入研究，尤其擅長用簡單高效的方法解決公司的數智化問題。項目經驗豐富，曾成功主導多個電商算法項目的落地和實施，參與完成多個推薦系統(tǒng)從0到1的搭建。曾在多家單位獲得個人開發(fā)優(yōu)秀貢獻獎，帶領團隊多次獲得團隊優(yōu)秀貢獻獎。著有《智能搜索和推薦系統(tǒng)：原理、算法與應用》《聊天機器人：入門、進階與實戰(zhàn)》，其中前者在2022年被某電商平臺評為“人工智能領域最受讀者喜愛圖書ToP5”。

圖書目錄

Contents..目　　錄
推薦序一
推薦序二
推薦序三
前言
第一篇圖數據與圖模型
第1章圖數據基礎 ··························2
1.1 數學基礎 ·····································2
1.2 圖的基本知識 ······························4
1.2.1.什么是圖 ·························4
1.2.2.圖中基本元素及定義 ·········5
1.3 圖的表示方法 ····························10
1.3.1.圖的代數表示 ················11
1.3.2.圖的遍歷 ·······················13
1.4 圖數據及圖神經網絡 ··················14　
1.4.1.圖數據的性質 ················14
1.4.2.圖數據應用 ···················15
1.4.3.圖神經網絡的發(fā)展史 ·······16
1.5 本章小結 ···································17
第2章圖神經網絡基礎 ·················18
2.1 神經網絡的基本知識 ··················18
2.1.1.神經元 ··························19
2.1.2.前饋神經網絡 ················22
2.1.3.反向傳播 ·······················23
2.2 卷積神經網絡 ····························24
2.2.1.卷積神經網絡基本概念
和特點 ··························25
2.2.2.卷積神經網絡模型 ··········29
2.3 循環(huán)神經網絡 ····························30
2.3.1.循環(huán)神經網絡結構和
特點 ·····························31
2.3.2.循環(huán)神經網絡模型 ··········35
2.4 圖神經網絡 ································36
2.4.1.圖神經網絡綜述 ·············36
2.4.2.卷積圖神經網絡 ·············41
2.4.3.循環(huán)圖神經網絡 ·············42
2.5 本章小結 ···································44
第3章知識圖譜基礎 ·····················46
3.1 知識圖譜的定義和模型 ···············46
3.1.1.知識圖譜定義 ················47
3.1.2.知識圖譜嵌入 ················48
3.1.3.距離變換模型 ················51
3.1.4.語義匹配模型 ················53
3.2 知識圖譜上的神經網絡 ···············55
3.2.1.關系圖卷積網絡 ·············55
3.2.2.知識圖譜與注意力模型 ·····55
3.3 本章小結 ···································59
第二篇推薦系統(tǒng)
第4章推薦系統(tǒng)架構 ·····················62
4.1 推薦系統(tǒng)的邏輯架構 ··················62
4.2 推薦系統(tǒng)的技術架構 ··················67
4.3 推薦系統(tǒng)的數據和模型部分 ········69
4.3.1.推薦系統(tǒng)中的數據平臺
建設 ·····························69
4.3.2.推薦系統(tǒng)中的數據挖掘
方法 ·····························73
4.3.3.推薦系統(tǒng)模型 ················76
4.4 推薦系統(tǒng)的評估 ·························81
4.4.1.推薦系統(tǒng)的評估實驗
方法 ·····························89
4.4.2.離線評估 ·······················89
4.4.3.在線評估 ·······················92
4.5 基于GNN的推薦系統(tǒng)架構 ·········94
4.6 本章小結 ···································96
第5章　基于GNN的推薦系統(tǒng)構
建基礎 ·······························97
5.1 關于嵌入 ···································97
5.2 Word2Vec ·································102
5.2.1.哈夫曼樹與哈夫曼編