《表4 用户预测评分矩阵：一种结合主题模型的推荐算法》
提示：宽带有限、当前游客访问压缩模式
通过修正MAE得到的最优模型即可对用户进行推荐，比如对用户U1的预测矩阵如表4所示，那么就可以根据预测集合优先推荐I3和I6给用户U1。
| 图表编号 | XD0090284900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 曹占伟、胡晓鹏 |
| 绘制单位 | 西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 评分矩阵R：一种结合评分重合度的协同推荐算法》2020.10.05
- 《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1 用户阅读矩阵表：基于用户的协同过滤推荐算法研究》2020.07.05
- 《表2 用户矩阵表：基于用户的协同过滤推荐算法研究》2020.07.05
- 《表1 4 因子权值矩阵：一种融合患者咨询文本与决策机理的医生推荐算法》2020.03.25
- 《表5 传统算法对比：一种基于用户播放行为序列的个性化视频推荐策略》2020.01.01
- 《用户-项目矩阵1：一种基于用户的协同过滤与人气排行榜的融合推荐算法》2020.03.25
- 《用户-项目矩阵2：一种基于用户的协同过滤与人气排行榜的融合推荐算法》2020.03.25
- 《表4 用户评分数据片段：基于属性特征的个性化旅游推荐算法研究》2020.01.01
- 《表2 用户信任关系矩阵：融合社交网络与关键用户的并行协同过滤推荐算法》2019.10.01
- 《表4 主题数K=50：基于LDA主题模型的用户电信轨迹恢复算法》2019.08.01
- 《表3 稠密矩阵Y：一种结合主题模型的推荐算法》2019.06.01
- 《表2 稠密矩阵X：一种结合主题模型的推荐算法》2019.06.01
- 《表4 数据集描述：一种结合用户相似度的社会化推荐算法》2019.01.10
- 《表2 用户信任值变化表：一种结合滑动窗口和推荐信任的用户行为信任评估》2019.01.20
- 《表1 信任等级表：一种结合滑动窗口和推荐信任的用户行为信任评估》2019.01.20
- 《表4 用户推荐组：修正评分的协同过滤算法》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