关于基于用户的协同过滤，下列哪些说法是正确的？
A: 基于用户的协同过滤算法（简称UserCF算法）在1992年被提出，是推荐系统中最古老的算法
B: UserCF算法符合人们对于“趣味相投”的认知
C: 实现UserCF算法的关键步骤是计算用户与用户之间的兴趣相似度
D: UserCF算法符合兴趣相似的用户往往有相同的物品喜好
A: 基于用户的协同过滤算法（简称UserCF算法）在1992年被提出，是推荐系统中最古老的算法
B: UserCF算法符合人们对于“趣味相投”的认知
C: 实现UserCF算法的关键步骤是计算用户与用户之间的兴趣相似度
D: UserCF算法符合兴趣相似的用户往往有相同的物品喜好
举一反三
- 下列关于协同过滤的说法，哪一项是错误的？ A: 协同过滤可分为基于用户的协同过滤和基于物品的协同过滤 B: UserCF算法符合人们对于“趣味相投”的认知，即兴趣相似的用户往往有相同的物品喜好 C: 实现UserCF算法的关键步骤是计算物品与物品之间的相似度 D: 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
- 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
- 实现UserCF算法的关键步骤是计算用户与用户之间的兴趣相似度，下列哪些是属于计算相似度的算法？ A: 泊松相关系数 B: 余弦相似度 C: 调整余弦相似度 D: 调整正弦相似度
- 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