《表7 推荐规则：混合推荐点餐模型的优化实现》
提示：宽带有限、当前游客访问压缩模式
将前述表2关联规则中的关联度与表6菜品相似度矩阵中的相似度按照式（5）进行计算可产生推荐规则，如表7所示。
| 图表编号 | XD00142502700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.25 |
| 作者 | 杨艺、李宝琳 |
| 绘制单位 | 重庆工商大学重庆市检测控制集成系统工程实验室、重庆工商大学人工智能学院、重庆工商大学重庆市检测控制集成系统工程实验室、重庆工商大学人工智能学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表8 推荐结果评价均值：女装搭配推荐系统的设计与实现》2020.10.15
- 《表7 女装搭配推荐过程：女装搭配推荐系统的设计与实现》2020.10.15
- 《表7 2种模型的推荐结果对比》2020.11.25
- 《表2 精确度指标计算：一种混合推荐算法的Mahout实现》2020.06.05
- 《表1 相似度指标计算：一种混合推荐算法的Mahout实现》2020.06.05
- 《表2 基于模型的元特征：基于元学习的推荐算法选择优化框架实证》2020.06.16
- 《表2 分类结果混淆矩阵：基于混合式学习的同伴推荐算法设计与实现》2020.04.01
- 《表3 推荐结果分布表：基于混合式学习的同伴推荐算法设计与实现》2020.04.01
- 《表1 指标的权重确定：基于混合式学习的同伴推荐算法设计与实现》2020.04.01
- 《表1 两种模型比较结果：基于协同过滤算法的音乐推荐系统的研究与实现》2020.05.30
- 《表9 测试规则：混合推荐点餐模型的优化实现》2020.04.25
- 《表1 推荐召回率对比：基于用户行为分析和LDA模型的数字媒体推荐系统的设计与实现》2020.04.01
- 《表7 查询条件列表：基于用户网络净推荐值NPS指导网络优化的研究》2019.10.28
- 《表7 测试对比情况表：图书定向推荐模式的优化与实践》2019.08.05
- 《表7 锌在配合饲料和全混合日粮中的推荐量和最高限量》2019.06.15
- 《表7 书目浏览日志表：基于用户日志的OPAC推荐系统设计与实现》2019.01.25
- 《表2 实验结果：面向智能写作的混合推荐模型研究》2019.04.01
- 《表1 语料库：面向智能写作的混合推荐模型研究》2019.04.01
- 《表6 权值优化结果：基于用户偏好优化模型的推荐算法研究》2019.12.01
- 《表7 预测评分对比：基于用户偏好优化模型的推荐算法研究》2019.12.01