《表7 专家相似度信息表：移动情景学习下的协同过滤专家推荐研究》
提示：宽带有限、当前游客访问压缩模式
（3） 通过对标准化的专家信息套用专家推荐模型算法计算，得到专家相似度信息表，如表7所示。
| 图表编号 | XD0036275500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.10 |
| 作者 | 王治国、万本庭、王慧 |
| 绘制单位 | 暨南大学网络与教育技术中心、江西财经大学软件与物联网工程学院、广州市工贸技师学院教研室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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9 专利专家中心度：专家多源信息融合算法研究》2020.12.01
- 《表8 论文专家中心度：专家多源信息融合算法研究》2020.12.01
- 《表7 综合点度中心度：专家多源信息融合算法研究》2020.12.01
- 《表1 极端评分数据：结合用户聚类与改进用户相似性的协同过滤推荐》2020.11.15
- 《表8 分组成对样本检验：基于学习情况协同过滤算法的个性化学习推荐模型研究》2020.05.25
- 《表1 经典推荐模型归纳：基于学习情况协同过滤算法的个性化学习推荐模型研究》2020.05.25
- 《表7 分组样本统计：基于学习情况协同过滤算法的个性化学习推荐模型研究》2020.05.25
- 《表1 用户属性取值：用户与项目语义相似性填充的协同过滤推荐方法》2020.04.25
- 《表3 混淆矩阵：用户与项目语义相似性填充的协同过滤推荐方法》2020.04.25
- 《表2 评分矩阵：用户与项目语义相似性填充的协同过滤推荐方法》2020.04.25
- 《表6 专家评分权重表：基于CBR技术的船舶相似度研究》2020.07.25
- 《表5 专家评分权重表：基于CBR技术的船舶相似度研究》2020.07.25
- 《表2 实验方法设计：基于文本相似度的评审专家推荐方法研究》2019.06.13
- 《表2 用户相似关系：基于协同过滤的电视产品营销推荐》2019.06.20
- 《表1 节目相似关系：基于协同过滤的电视产品营销推荐》2019.06.20
- 《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4 目标用户信息表：移动情景学习下的协同过滤专家推荐研究》2019.01.10
- 《表6 专家信息标准化表：移动情景学习下的协同过滤专家推荐研究》2019.01.10