《表1 相似度指标计算：一种混合推荐算法的Mahout实现》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种混合推荐算法的Mahout实现》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

推荐算法的评测指标可在不同的方面反映出算法的性能。在实验中，通过相似度的计算来标明各个属性特征之间的量化相关性，并作为推荐结果的评价依据。表1分别比较了MMLHC算法、ECFA算法[1]、CFRA算法[3]各自的皮尔逊相关系数、余弦向量相似度、对数似然相似度的计算结果。从表中可以看出，它们的相似度指标近乎一致，至多相差1%—2%，因此，在相似度指标的评价中，这几个算法具有相同的性质。