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）。
举一反三
- 中国大学MOOC: 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）。
- 协同过滤可分为基于用户的协同过滤(UserCF)和基于物品的协同过滤(ItemCF)。
- 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
- 中国大学MOOC: 协同过滤可分为基于用户的协同过滤(UserCF)和基于物品的协同过滤(ItemCF)。
- 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