多模态数据下的推荐算法及在线评论行为研究

《多模态数据下的推荐算法及在线评论行为研究》内容曾获评清华大学优秀博士论文，聚焦于信息管理的前沿和消费者生成多模态大数据，综合运用深度学习、因果推荐、行为实验等多种研究方法，对平台经济相关问题开展了系统而深入的研究。本书的特色是聚焦于推荐系统和评论系统两个数字经济平台的典型场景，关注平台管理面临的重要问题，即如何通过优化推荐算法或者改进平台功能，提升用户的满意度，并从算法设计、因果分析等角度展开研究。本书主要面向管理科学与工程专业及其他相关领域的研究人员，包括高校教师和研究生，也面向互联网行业对相关话题感兴趣的从业人员。

以图像和文本为代表的多模态数据为用户线上购买和交友决策过程提供了重要信息参考。本书基于推荐及评论这两个重要的用户决策支持系统，主要研究了基于多模态数据的推荐算法设计以及多模态数据对用户评论行为产生的影响。本书的特色在于聚焦数字经济平台的重要领域，关注了平台的两个核心功能——推荐功能和评论功能，并深入研究了多模态数据在其中所具有的价值和所起到的作用。
全书共6章，内容包括选题背景；与平台推荐和评论系统相关的已有研究成果；基于多模态数据的推荐算法设计；评论系统中用户生成图像对后续消费者决策所产生的影响；未来发展趋势。
《多模态数据下的推荐算法及在线评论行为研究》主要面向高等院校管理科学与工程、信息管理相关专业高年级本科生及研究生，也为推荐算法、多模态数据分析相关研究领域的广大科技工作者和研究同行提供参考。