新書推薦：
《
汇通天下：乔致庸
》
售價：NT$
259.0
《
长城砖系列：清人社会生活
》
售價：NT$
510.0
《
量子计算Python与Q#编程实战
》
售價：NT$
519.0
《
新能源汽车动力蓄电池及管理技术
》
售價：NT$
312.0
《
官场现形记（全2册，足本60回未删版，20世纪中文小说100强。讲透古代官场奥秘，全面批判封建官僚制度）
》
售價：NT$
458.0
《
忧乐圆融：北宋士大夫的精神世界 光明社科文库·政治与哲学
》
售價：NT$
494.0
《
下天山：亚洲腹地之旅
》
售價：NT$
530.0
《
企鹅英国史（套装八册）
》
售價：NT$
4191.0
|
| 內容簡介： |
|
本书以电信运营商数据为基础，依照“用户行为分析—用户行为预测—用户行为干预”的思路，针对社会计算领域的手机用户行为大数据进行深入剖析，开展面向社会治理、商业智能、个体决策各领域(包括城市交通规划、旅游行业发展、公共管理等)的理论分析及应用技术研究。 本书适合高等院校和科研单位从事社会计算、大数据研究的硕士研究生、博士研究生和相关领域学者阅读参考，也有助于电信运营商、手机厂商、政府管理部门在社会计算领域开展大数据管理应用实践。
|
| 關於作者： |
|
赵玺，里昂中央理工大博士，现任西安交大管理学院教授、陕西省医疗健康大数据工程研究中心主任、中国人工智能技术与管理应用研究会秘书长。近五年主持国家自然科学基金重点项目等横纵项项目20余项，在互联网平台运营、用户行为分析等方向发表领域顶级学术文章近10篇，学术文章80余篇。2018年中央电视台一套黄金档节目“机智过人”专题报道了赵玺的研究工作。
|
| 目錄：
|
|
第1篇 导 论 第1章 研究背景2第2章 社会计算概述52.1 社会计算介绍52.2 社会计算研究概述62.2.1 人道主义救援62.2.2 公共卫生管理82.2.3 气象灾害应急92.2.4 经济发展监控92.2.5 农业食品安全102.2.6 交通城市规划112.2.7 能源112.2.8 国家调研统计11第3章 智能决策16 第2篇 用户行为分析 第4章 基于电信运营商数据的路网匹配 算法204.1 本章简介204.2 背景介绍204.3 问题定义224.3.1 路网匹配问题定义224.3.2 现有的路网匹配方法的 局限性234.4 方法设计244.4.1 方法概览244.4.2 位置表征模型254.4.3 路网匹配模型264.4.4 强化学习优化模型274.5 系统实现294.5.1 离线训练过程294.5.2 在线匹配过程304.6 实验结果314.6.1 实验设置314.6.2 路网匹配准确率验证314.6.3 路网匹配的匹配时间验证324.6.4 注意力模型的有效性验证324.6.5 系统的鲁棒性验证334.6.6 位置表征模型的有效性验证354.6.7 强化学习优化模型的有效性 验证364.7 相关文献讨论374.8 总结38第5章 利用移动跟踪数据从旅游团组 规模的角度理解游客移动模式： 以中国西安为例435.1 本章简介435.2 背景介绍435.2.1 游客行为435.2.2 团组规模445.3 案例介绍455.3.1 研究区域和数据455.3.2 细粒度旅游团组划分方法475.4 案例分析结果515.4.1 人口统计学模式515.4.2 空间模式525.4.3 时间模式545.5 总结555.5.1 结果洞察555.5.2 实际意义565.5.3 结论58第6章 大型活动期间的旅游景区游客 增幅研究：目的地属性的影响626.1 本章简介626.2 背景介绍626.2.1 研究背景626.2.2 相关研究636.3 案例介绍666.3.1 案例区域和数据666.3.2 变量测量666.3.3 数据分析686.4 案例分析结果696.4.1 描述性分析696.4.2 相关性分析696.4.3 探索性因子分析706.4.4 回归分析—目的地属性对 游客增幅的影响716.5 总结726.5.1 理论意义726.5.2 实际意义736.5.3 结论74第7章 基于标记时间点过程的手机应用 程序使用预测算法787.1 本章简介787.2 背景介绍797.3 方法设计807.4 应用程序时间点过程算法817.4.1 应用程序表征模块827.4.2 应用程序使用预测器模块827.4.3 环境感知优化模块847.5 实验结果857.5.1 数据驱动实验867.5.2 现场实验887.5.3 系统开销897.6 相关文献讨论917.7 总结92附录A MTPP模型的参数学习93附录B 模型实现94附录C 模型训练94 第3篇 用户行为预测 第8章 使用“大五”人格特质预测日常 移动行为：基于手机数据的实证 研究968.1 本章简介968.2 研究背景968.2.1 日常移动行为968.2.2 人格特质与日常移动行为978.2.3 研究概述988.3 假设建立988.3.1 神经质与日常移动行为988.3.2 尽责性和日常移动行为998.3.3 宜人性和日常移动行为998.3.4 开放性与日常移动行为998.3.5 外向性和日常移动行为998.4 实验设计1008.4.1 数据收集1008.4.2 变量测量1008.5 分析结果1018.6 总结1048.6.1 研究总结1048.6.2 贡献1058.6.3 局限性和未来研究方向105第9章 基于元级手机使用数据的个人 信用评估研究1109.1 本章简介1109.2 背景介绍1109.3 实证研究1129.3.1 假设提出1129.3.2 样本和数据1149.3.3 变量1149.3.4 探索性分析1169.4 个人信用评估模型构建1199.4.1 变量选择1209.4.2 个人信用评估模型1219.5 结果分析1239.5.1 评价1239.5.2 变量表现1239.5.3 不同方法的比较1259.5.4 与现有模型的对比1269.6 总结127第10章 一个应用程序使用行为预测的 深度强化学习框架13210.1 本章简介13210.2 背景介绍13310.3 相关文献13510.3.1 App使用行为预测研究 现状13510.3.2 深度强化学习研究现状13610.4 方法设计13710.4.1 研究必要性13710.4.2 DeepApp框架设计13810.4.3 App使用行为预测的上下文 感知状态14010.4.4 App使用行为预测的Actor- Critic智能体14010.4.5 DeepApp工作流程14210.5 DeepApp框架的实现14310.5.1 DeepApp框架后端14310.5.2 DeepApp框架前端14310.5.3 前后端预测实现14410.6 基于数据驱动的实验与结果14410.6.1 实验设置14410.6.2 不同方法的准确率比较14510.6.3 通用智能体的有效性 验证14510.6.4 DeepApp解决用户偏好 时变性问题14610.6.5 参数设置实验14610.6.6 不同用户行为下DeepApp的 性能14710.7 实地实验与结果14810.7.1 用户调查问卷14910.7.2 实地实验算法性能15010.7.3 预测延迟问题15010.7.4 系统的额外开销15010.8 总结151 第4篇 用户行为干预 第11章 基于多源数据融合的商铺类型 推荐系统研究15811.1 本章简介15811.2 背景介绍15911.3 方法设计16011.3.1 系统概述16011.3.2 商铺类型推荐模型构建16111.4 结果分析16511.4.1 数据收集及预处理16511.4.2 实验执行16611.4.3 评估度量16611.4.4 实验结果16711.5 总结172第12章 基于App有效性预测的移动 健康类App推荐方法研究17612.1 本章简介17612.2 背景介绍17712.3 方法设计17812.3.1 问题定义17812.3.2 用户-BCT矩阵构建17912.3.3 用户画像构建18112.3.4 合适的BCT预测18212.3.5 移动健康类App推荐18212.4 实验结果18312.4.1 实验数据18312.4.2 评估指标18512.4.3 实验结果及分析18612.5 总结190第13章 利用蜂窝数据基于偏好补全的 协同过滤方法进行位置推荐19513.1 本章简介19513.2 背景介绍19513.3 方法设计19713.3.1 问题定义及偏好补充分析19713.3.2 基于偏好补全的位置推荐 方法20013.4 实验结果20413.4.1 数据20413.4.2 评价指标20513.4.3 基准方法20613.4.4 实验结果20613.5 总结212第14章 基于强化学习的城市地铁网络 扩建研究21514.1 本章简介21514.2 背景介绍21614.3 方法设计21714.3.1 准备性工作21714.3.2 地铁扩建方法21914.4 实验结果22414.4.1 数据及其预处理22514.4.2 基准方法和性能评估22514.4.3 与实际规划地铁线路的 比较22914.4.4 多条地铁线路扩建23114.5 总结232
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
