下面哪些属于协同过滤算法存在的不足？（ ）
A: 当一个新的用户或物品进入推荐系统时，系统将无从依据
B: 在推荐的过程中，当前最流行的物品会更更容易被推荐
C: 算法对于用户的主观评分比较依赖
D: 协同过滤算法适用于更迭快的物品（比如新闻，广告），在更新速度过快用户评论不多的情况下，比起其他算法，协同过滤算法能有好的的准确度。
A: 当一个新的用户或物品进入推荐系统时，系统将无从依据
B: 在推荐的过程中，当前最流行的物品会更更容易被推荐
C: 算法对于用户的主观评分比较依赖
D: 协同过滤算法适用于更迭快的物品（比如新闻，广告），在更新速度过快用户评论不多的情况下，比起其他算法，协同过滤算法能有好的的准确度。
举一反三
- 协同过滤算法可能存在的问题有（） A: 冷启动问题（当有一名新用户或新物品进入系统时，推荐将无从依据） B: 稀疏性问题 C: 对于用户评分数据的准确性有较高依赖 D: 在计算的过程中，热门物品被推荐的几率更大
- 协同过滤是最早、最知名的推荐算法，可分为基于用户的协同过滤和基于物品的协同过滤。
- 下面关于协同过滤算法的描述错误的是：（ ） A: 基于用户的协同过滤算法（简称UserCF算法）是推荐系统中最古老的算法，可以说，UserCF的诞生标志着推荐系统的诞生 B: 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 C: 基于模型的协同过滤算法（ModelCF）是通过已经观察到的所有用户给产品的打分，来推断每个用户的喜好并向用户推荐适合的产品 D: UserCF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。
- 下列关于基于用户的协同过滤算法的说法中，错误的是（）。 A: 随着网站的用户数目越来越大，计算用户兴趣相似度矩阵将越来越困难 B: 基于用户的协同过滤算法相对于基于物品的协同过滤算法来说更个性化，反映了用户自己的兴趣传承 C: 基于用户的协同过滤算法可以使用余弦相似度来评测两个用户之间的联系 D: 新用户刚加入系统时，基于用户的协同过滤算法没有办法马上对该用户进行个性化推荐
- 根据用户的历史行为推荐相似物品比如电影网、音乐网，更注重个性，通常采用基于（ ）的协同过滤（ItemCF算法）。