《表3 RJpearson相似度对MAE值的提升百分比》

  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

《基于用户评分和共同评分项的协同过滤算法研究》

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

实验结果表明，RJPearson相似度所对应的MAE值明显比Pearson和Jaccard相似度所对应的MAE值小，改善程度如表3所示，即RJPearson相似度明显降低了user-based CF的评分预测误差，提高了预测的准确性。