题目内容

下面关于UserCF算法和ItemCF算法的对比，哪个是错误的？

A. UserCF算法的推荐更偏向社会化：适合应用于新闻推荐、微博话题推荐等应用场景，其推荐结果在新颖性方面有一定的优势
B. ItemCF算法的推荐更偏向于个性化 ItemCF算法的推荐更偏向于个性化
C. ItemCF随着用户数目的增大，用户相似度计算复杂度越来越高
D. UserCF推荐结果相关性较弱，难以对推荐结果作出解释，容易受大众影响而推荐热门物品

查看答案

搜索结果不匹配？点我反馈

更多问题

A. 推荐系统是大数据在互联网领域的典型应用
B. 推荐系统是自动联系用户和物品的一种工具
C. 推荐系统可以创造全新的商业和经济模式，帮助实现长尾商品的销售
D. 推荐系统分为基于物品的协同过滤和基于商家的协同过滤

A. 专家推荐：人工推荐，由资深的专业人士来进行物品的筛选和推荐，需要较多的人力成本性
B. 基于统计的推荐：通过机器学习的方法去描述内容的特征，并基于内容的特征来发现与之相似的内容
C. 协同过滤推荐：应用最早和最为成功的推荐方法之一
D. 混合推荐：结合多种推荐算法来提升推荐效果

A. 用户建模模块
B. 推荐对象建模模块
C. 推荐算法模块
D. 数据采集模块

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