MARC details
000 -Record Label |
fixed length control field |
02491nam a22003255i 4500 |
005 - Identificador da versão |
control field |
20240307063718.0 |
010 ## - ISBN - International Standard Book Number |
Número (ISBN) |
978-3-319-01321-3 |
Modalidade de aquisição e/ou preço |
compra |
100 ## - Entrada principal |
Dados gerais de processamento |
20150401d2013 k||y0pory50 ba |
101 ## - Língua do documento |
Língua do texto, banda sonora, etc. |
eng |
102 ## - País da publicação |
País de publicação |
Germany |
200 ## - Título |
Título próprio |
Realtime data mining |
Indicação geral da natureza do documento |
Documento electrónico |
Informação de outro título |
self-learning techniques for recommendation engines |
Primeira menção de responsabilidade |
Alexander Paprotny, Michael Thess |
210 ## - Local de edição |
Lugar da edição, distribuição, etc. |
Cham |
Nome do editor, distribuidor, etc. |
Springer International Publishing |
-- |
Birkhäuser |
Data da publicação, distribuição, etc. |
2013 |
215 ## - Descrição física (Vol.pg.fl.tm.fsc) |
Descrição física |
XXIII, 313 p. |
Outras indicações físicas |
il. |
225 ## - Coleção |
Título próprio da colecção |
Applied and Numerical Harmonic Analysis |
300 ## - Notas gerais |
Texto da nota |
Colocação: Online |
303 ## - Notas Informação descritiva |
Texto da nota |
Describing novel mathematical concepts for recommendation engines, Realtime Data Mining: Self-Learning Techniques for Recommendation Engines features a sound mathematical framework unifying approaches based on control and learning theories, tensor factorization, and hierarchical methods. Furthermore, it presents promising results of numerous experiments on real-world data. The area of realtime data mining is currently developing at an exceptionally dynamic pace, and realtime data mining systems are the counterpart of today's “classic” data mining systems. Whereas the latter learn from historical data and then use it to deduce necessary actions, realtime analytics systems learn and act continuously and autonomously. In the vanguard of these new analytics systems are recommendation engines. They are principally found on the Internet, where all information is available in realtime and an immediate feedback is guaranteed. This monograph appeals to computer scientists and specialists in machine learning, especially from the area of recommender systems, because it conveys a new way of realtime thinking by considering recommendation tasks as control-theoretic problems. Realtime Data Mining: Self-Learning Techniques for Recommendation Engines will also interest application-oriented mathematicians because it consistently combines some of the most promising mathematical areas, namely control theory, multilevel approximation, and tensor factorization. |
606 ## - Nome comum como assunto |
Koha Internal code |
7514 |
Elemento de entrada |
Recolha de dados |
606 ## - Nome comum como assunto |
Elemento de entrada |
Processamento eletrónico de dados |
Koha Internal code |
4550 |
606 ## - Nome comum como assunto |
Koha Internal code |
175 |
Elemento de entrada |
Armazenamento de dados |
680 ## - Classificação Biblioteca Congresso |
Notação |
HF5548.2 |
700 ## - Autor (resp. principal) |
Palavra de ordem |
Paprotny |
Outra parte do nome |
Alexander |
Koha Internal Code |
47960 |
701 ## - Co-responsabilidade principal |
Palavra de ordem |
Thess |
Outra parte do nome |
Michael |
Código de função |
co-aut. |
Koha Internal Code |
47962 |
801 ## - Fonte de origem |
País |
Portugal |
Regras de catalogação |
RPC |
856 ## - URL Endereço WEB |
URL |
http://dx.doi.org/10.1007/978-3-319-01321-3 |
942 ## - Elementos de entrada adicionados (Koha) |
Fonte da classificação ou esquema de estante |
Library of Congress Classification |
Tipo de item no Koha |
E-Books |
Suprimido |
0 |