《表3 实验数据集描述：结合项目流行度加权的协同过滤推荐算法》
提示：宽带有限、当前游客访问压缩模式
实验数据集描述如表3所示。其中稀疏度表示数据集中未评分项目的占比。稀疏度s越大，表示该数据集越稀疏，计算方法如式（10）所示。
| 图表编号 | XD00133915000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 魏甜甜、陈莉、范婷婷、吴小华 |
| 绘制单位 | 西北大学信息科学与技术学院、西北大学信息科学与技术学院、西北大学信息科学与技术学院、西北大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 频繁项集支持度：协同过滤推荐算法和业务逻辑结合的设备故障诊断方法》2020.09.25
- 《表8 数据集数据：一种改进的协同过滤推荐算法》2021.02.01
- 《表1“要死”的补语标记：结合时间遗忘和项目流行度的协同过滤推荐算法》2020.11.15
- 《表2 实验数据集说明：标签相关度加权的协同过滤个性化推荐算法》2020.08.15
- 《表1 数据集信息：融合循环知识图谱和协同过滤电影推荐算法》2020.01.15
- 《表2 项目—类型矩阵：关联性动态加权的协同过滤推荐》2019.11.01
- 《表3 数据集信息：关联性动态加权的协同过滤推荐》2019.11.01
- 《表1 UCI数据集描述：结合半监督聚类和加权KNN的协同训练方法》2019.11.15
- 《表1 实验数据集：基于标签分类的协同过滤推荐算法》2019.08.01
- 《表6 数据描述：基于粗糙集的协同过滤算法研究》2019.02.20
- 《表1 实验数据集描述：基于动态加权Bagging矩阵分解的推荐系统模型》2019.07.30
- 《表2 数据集描述：一种改进的均方差协同过滤算法》2019.04.01
- 《表4 数据集描述：一种结合用户相似度的社会化推荐算法》2019.01.10
- 《表6 数据集信息：一种聚类与kNN结合的协同过滤算法》2019.04.01
- 《表5 数据集信息：一种聚类与kNN结合的协同过滤算法》2019.04.01
- 《表4 数据集信息：一种聚类与kNN结合的协同过滤算法》2019.04.01
- 《表3 数据集的参数：基于在线评论情感分析的改进协同过滤推荐模型》2019.02.20
- 《表2 算法效果对比表：结合物品类型和密度峰值聚类的协同过滤推荐算法》2018.12.30
- 《表1 数据集信息：结合物品类型和密度峰值聚类的协同过滤推荐算法》2018.12.30
- 《表1 实验数据集：基于粒子群优化算法的协同过滤推荐并行化研究》2018.12.01