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 B. 基于统计的推荐：基于统计信息的推荐（如热门推荐），易于实现，但对用户个性化偏好的描述能力较弱 C. 基于内容的推荐：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 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. 数据采集模块 C. 推荐对象建模模块 D. 推荐算法模块
A. 用户建模模块：对用户进行建模，根据用户行为数据和用户属性数据来分析用户的兴趣和需求 B. 推荐对象建模模块：根据对象数据对推荐对象进行建模 C. 推荐算法模块：基于用户特征和物品特征，采用推荐算法计算得到用户可能感兴趣的对象 D. 推荐算法模块：根据推荐场景对推荐结果进行一定调整，将推荐结果最终展示给用户
A. 基于用户的协同过滤 B. 基于物品的协同过滤 C. 基于用户和物品的联合协同过滤 D. 基于商家的协同过滤
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. 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
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
A. 对 B. 错
A. 国民经济中比重大 B. 以纺织、食品等轻工业为主 C. 和封建势力有千丝万缕的联系 D. 垄断和控制金融行业
A. 削弱了帝国主义的力量 B. 十月革命的爆发 C. 民族解放运动的兴起 D. 世界经济危机的出现
微信支付 
支付宝支付