所谓（ ）就是新的标的物加入系统，没有用户操作行为，这时协同过滤算法也无法将该物品推荐给用户。
A: 用户冷启动问题
B: 物品冷启动
C: 系统冷启动
D: 稀疏性问题
A: 用户冷启动问题
B: 物品冷启动
C: 系统冷启动
D: 稀疏性问题
举一反三
- 协同过滤算法存在哪些不足（ ）。 A: 系统冷启动 B: 物品冷启动 C: 稀疏性问题 D: 用户冷启动问题
- 所谓（ ）就是新用户没有太多的行为，我们无法为他计算个性化推荐。这时可行的推荐策略是为这类用户推荐热门物品、通过人工编排筛选出的物品。或者用户只有很少的行为，协同过滤效果也不好，这时可以采用基于内容的推荐算法补充。 A: 稀疏性问题 B: 物品冷启动 C: 用户冷启动问题 D: 系统冷启动
- 所谓（ ）就是该产品是一个新开发不久的产品，还在发展用户初期阶段，这时协同过滤算法基本无法起作用，最好采用基于内容的推荐算法或者直接利用编辑编排一些多样性的优质内容作为推荐备选推荐集。 A: 用户冷启动问题 B: 系统冷启动 C: 稀疏性问题 D: 物品冷启动
- 基于协同过滤推荐对于新物品和新用户没有冷启动问题。( )
- 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