《表4 推荐规则：面向企业的E-Learning系统推荐算法设计》
提示：宽带有限、当前游客访问压缩模式
这样的规则，可以根据企业的特点，进行相应的定制和调整，以提供更为精准有效的推荐。有效的基于规则的推荐，能够较好地解决冷启动问题。本文设计了一般推荐规则，如表4所示。
| 图表编号 | XD0052738800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.30 |
| 作者 | 叶嫣、李培国 |
| 绘制单位 | 广州商学院信息技术与工程学院、暨南大学信息科学技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 系统开发环境：基于2K-means算法的读者兴趣分类图书自动推荐系统设计》2020.10.15
- 《表1 五类交易样本：基于关键词关联规则的优惠券个性化推荐算法研究》2020.09.01
- 《表4 聚类中心特征：基于K-means算法的智能推荐系统研究》2018.12.28
- 《表2 数据集统计信息：面向群组用户时序行为的动态推荐算法》2021.01.10
- 《表1 相关符号及含义：面向群组用户时序行为的动态推荐算法》2021.01.10
- 《表2 关联规则技术处理的三种方式在推荐算法中的使用》2020.11.15
- 《表2 佣金收入及占比：基于协同过滤算法的旅游推荐系统的设计与实现》2020.12.15
- 《表1 企业类型图谱：基于协同过滤算法的旅游推荐系统的设计与实现》2020.12.15
- 《表4 偏回归系数汇总表：女装搭配推荐系统的设计与实现》2020.10.15
- 《表5 商品—用户相加表：基于协同推荐算法的智慧社区服务系统的设计与实现》2020.08.28
- 《表3 m*n评价矩阵：面向企业的E-Learning系统推荐算法设计》2019.04.30
- 《表2 评分行为表：面向企业的E-Learning系统推荐算法设计》2019.04.30
- 《表4检索式推荐案例：基于用户日志的OPAC推荐系统设计与实现》2019.01.25
- 《表4 最终推荐结果示例：基于协同过滤算法的视频智能推荐系统》2019.03.05
- 《表1 人脸检测算法对比：基于人脸识别技术的智能推荐系统设计》2019.11.20
- 《表4 频繁项集：基于Apriori数据挖掘算法的信息推荐图书管理系统设计》2019.12.01
- 《表5 关联规则结果：基于Apriori数据挖掘算法的信息推荐图书管理系统设计》2019.12.01
- 《表3 借阅记录事务：基于Apriori数据挖掘算法的信息推荐图书管理系统设计》2019.12.01
- 《表2 借阅记录情况：基于Apriori数据挖掘算法的信息推荐图书管理系统设计》2019.12.01
- 《表1 事物数据库：基于Apriori数据挖掘算法的信息推荐图书管理系统设计》2019.12.01