《表2 部分IV分析矩阵：基于改进协同过滤算法的用户页面兴趣度预测研究》
提示：宽带有限、当前游客访问压缩模式
进而得出IV分析矩阵M0，采用随机选择选取了60个用户和80个网页。部分IV分析矩阵见表2。
| 图表编号 | XD00107238000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.01 |
| 作者 | 宋泊东、张立臣 |
| 绘制单位 | 广东工业大学计算机学院、广东工业大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 购电量数据：基于用户协同过滤的购电推荐算法》2020.09.20
- 《表9 相似用户列表：一种改进的协同过滤推荐算法》2021.02.01
- 《表6 相似用户列表：一种改进的协同过滤推荐算法》2021.02.01
- 《表1 双维结构模型：融合用户兴趣度和信任度的协同过滤推荐算法》2020.07.16
- 《表1 用户阅读矩阵表：基于用户的协同过滤推荐算法研究》2020.07.05
- 《表2 用户矩阵表：基于用户的协同过滤推荐算法研究》2020.07.05
- 《用户-项目矩阵2：一种基于用户的协同过滤与人气排行榜的融合推荐算法》2020.03.25
- 《用户-项目矩阵1：一种基于用户的协同过滤与人气排行榜的融合推荐算法》2020.03.25
- 《表1 用户属性：基于改进用户属性评分的协同过滤算法》2020.02.16
- 《表2 用户-类别评分：基于聚类和用户偏好的协同过滤推荐算法》2020.02.01
- 《表1 用户-项目评分：基于聚类和用户偏好的协同过滤推荐算法》2020.02.01
- 《表1 测评矩阵示例：基于改进协同过滤算法的用户页面兴趣度预测研究》2019.11.01
- 《表2 用户信任关系矩阵：融合社交网络与关键用户的并行协同过滤推荐算法》2019.10.01
- 《表5 相似度矩阵：基于粗糙集的协同过滤算法研究》2019.02.20
- 《表2 物品倒排表：基于物品的协同过滤算法对“宁波地铁go”用户个性化推荐系统研究》2019.06.10
- 《表3 共现矩阵：基于物品的协同过滤算法对“宁波地铁go”用户个性化推荐系统研究》2019.06.10
- 《表1 用户评分：基于用户评分和共同评分项的协同过滤算法研究》2019.01.01
- 《表2 用户节目评分表：基于协同过滤算法的视频智能推荐系统》2019.03.05
- 《表1 用户行为分类：基于协同过滤算法的视频智能推荐系统》2019.03.05
- 《表1:用户评分矩阵：基于改进相似度计算方法的协同过滤算法》2018.12.15