基于人口统计学的推荐主要思想是什么（ ）。
A: 一个用户可能会喜欢和他曾经喜欢过的物品相似的物品；
B: 一个用户可能会喜欢与其相似的用户所喜欢的东西；
C: 一个用户可能会喜欢其身边用户喜欢的东西
D: 鉴于不同方法各有优缺点，经常将不同方法组合使用
A: 一个用户可能会喜欢和他曾经喜欢过的物品相似的物品；
B: 一个用户可能会喜欢与其相似的用户所喜欢的东西；
C: 一个用户可能会喜欢其身边用户喜欢的东西
D: 鉴于不同方法各有优缺点，经常将不同方法组合使用
B
举一反三
- 以下属于协同过滤算法假设的是（） A: 过去兴趣相似的用户在未来的兴趣也相似 B: 基本属性相似的用户在未来的兴趣相似 C: 相似的用户会产生相似的历史行为数据 D: 用户会喜欢相似用户有过正反馈的项目
- 基于用户推荐机制是建立在这一基本假设基础上的。 A: 用户具有相同或相似的偏好 B: 被推荐的物品具有相似的属性 C: 喜欢类似物品的用户可能具有相同或相似的偏好 D: 用户的教育程度或生活方式相近
- 下列关于协同过滤算法的描述，哪些是正确的？ A: 基于物品的协同过滤算法（简称ItemCF算法）是目前业界应用最多的算法 B: ItemCF算法是给目标用户推荐那些和他们之前喜欢的物品相似的物品 C: ItemCF算法通过建立用户到物品倒排表（每个用户喜欢的物品的列表）来计算物品相似度 D: UserCF算法推荐的是那些和目标用户有共同兴趣爱好的其他用户所喜欢的物品
- 将与该用户最相似的用户喜欢的标的物推荐给该用户。这就是（ ）的核心思想。 A: 基于内容的推荐 B: 基于统计的推荐 C: 基于用户的协同过滤 D: 专家推荐
- 不可能所有的中国人都喜欢大红色。 以下哪项判断的含义与上述判断最为接近______ A: 有的中国人喜欢浅红色 B: 一定有中国人不喜欢大红色 C: 可能有的中国人会喜欢大红色 D: 可能所有的中国人都不喜欢大红色
内容
- 0
以下哪些行为可能意味着用户喜欢某一首歌曲： </p></p>
- 1
可能喜欢收藏的东西
- 2
下列说法错误的是: ItemCF算法推荐的是那些和目标用户之前喜欢的物品类似的其他物品|UserCF算法推荐的是那些和目标用户有共同兴趣爱好的其他用户所喜欢的物品|UserCF算法的推荐更偏向社会化，而ItemCF算法的推荐更偏向于个性化|基于用户的协同过滤算法（简称UserCF算法）是目前业界应用最多的算法
- 3
推销员：“在销售调查中表明，80%的用户喜欢红色跑车，20%的用户喜欢蓝色跑车。”经理：“哦，这么说来，喜欢红色跑车的用户是喜欢蓝色跑车的四倍了”推销员：“不，还有10%的用户说他们两者都不喜欢。”以下哪项最合理地解释了推销员话语中的表面性矛盾 A: 喜欢蓝色跑车的用户都包括在80%的喜欢红色跑车用户中 B: 调查的用户总数超过100名 C: 记录中有差错 D: 某些用户两种跑车都喜欢
- 4
协同过滤，包括协同和过滤两个操作。对于推荐系统来说，通过用户的持续协同作用，最终给用户的推荐会越来越准。而过滤，就是从可行的决策(推荐)方案(物品)中将用户喜欢的方案(物品)找(过滤)出来。（ ）