Recommender Systems Handbook

رشد انفجاری تجارت الکترونیک و محیط های آنلاین، موضوع جستجو و انتخاب اطلاعات را به طور فزاینده ای جدی کرده است. کاربران با گزینه‌هایی که باید در نظر بگیرند بیش از حد بارگذاری می‌شوند و ممکن است زمان یا دانش لازم برای ارزیابی شخصی این گزینه‌ها را نداشته باشند. سیستم‌های توصیه‌کننده ثابت کرده‌اند که روشی ارزشمند برای کاربران آنلاین برای مقابله با اضافه بار اطلاعات هستند و به یکی از قدرتمندترین و محبوب‌ترین ابزار در تجارت الکترونیک تبدیل شده‌اند. به همین ترتیب، تکنیک های مختلفی برای تولید توصیه پیشنهاد شده است. در طول دهه گذشته، بسیاری از آنها نیز با موفقیت در محیط‌های تجاری به کار گرفته شده‌اند.

راهنمای سیستم‌های توصیه‌کننده، یک جلد ویرایش‌شده، یک تلاش چند رشته‌ای است که در سراسر جهان را شامل می‌شود. متخصصان حوزه‌های مختلف، مانند هوش مصنوعی، تعامل با رایانه انسانی، فناوری اطلاعات، داده‌کاوی، آمار، رابط‌های کاربر تطبیقی، سیستم‌های پشتیبانی تصمیم، بازاریابی و رفتار مصرف‌کننده. نظریه پردازان و متخصصان این حوزه ها به طور مداوم به دنبال تکنیک هایی برای سیستم های توصیه گر کارآمدتر، مقرون به صرفه تر و دقیق تر هستند. هدف این کتاب راهنما تحمیل درجه‌ای از نظم بر این تنوع، با ارائه یک مخزن منسجم و یکپارچه از مفاهیم، ​​نظریه‌ها، روش‌شناسی، روندها، چالش‌ها و کاربردهای اصلی سیستم‌های توصیه‌گر است. برنامه‌های مصنوعی گسترده، انواع برنامه‌های کاربردی در دنیای واقعی، و مطالعات موردی دقیق شامل می‌شوند.

راهنمای سیستم‌های توصیه‌کننده نشان می‌دهد که چگونه این فناوری می‌تواند از کاربر در تصمیم‌گیری، برنامه‌ریزی پشتیبانی کند. و فرآیندهای خرید این برای شرکت های معروف مانند آمازون، گوگل، مایکروسافت و AT&T کار می کند. این کتاب راهنما برای محققان و دانشجویان سطح پیشرفته در علوم کامپیوتر به عنوان مرجع مناسب است.

The explosive growth of e-commerce and online environments has made the issue of information search and selection increasingly serious; users are overloaded by options to consider and they may not have the time or knowledge to personally evaluate these options. Recommender systems have proven to be a valuable way for online users to cope with the information overload and have become one of the most powerful and popular tools in electronic commerce. Correspondingly, various techniques for recommendation generation have been proposed. During the last decade, many of them have also been successfully deployed in commercial environments.

Recommender Systems Handbook, an edited volume, is a multi-disciplinary effort that involves world-wide experts from diverse fields, such as artificial intelligence, human computer interaction, information technology, data mining, statistics, adaptive user interfaces, decision support systems, marketing, and consumer behavior. Theoreticians and practitioners from these fields continually seek techniques for more efficient, cost-effective and accurate recommender systems. This handbook aims to impose a degree of order on this diversity, by presenting a coherent and unified repository of recommender systems’ major concepts, theories, methodologies, trends, challenges and applications. Extensive artificial applications, a variety of real-world applications, and detailed case studies are included.

Recommender Systems Handbook illustrates how this technology can support the user in decision-making, planning and purchasing processes. It works for well known corporations such as Amazon, Google, Microsoft and AT&T. This handbook is suitable for researchers and advanced-level students in computer science as a reference.