手机扫码访问

导航
您当前的位置:首页 > 高教类 > 工学类 > 问题列表
问题:

[填空题]概率矩阵分解模型主要利用统计推理理论中的____公式进行推理分析

答案解析

问题:

[单选题]下列关于Apriori算法的说法错误的是( ) A初始化的目的是找到所有的 频繁 1-项集 BApriori算法主要包含初始化和迭代搜索两部分 C迭代的目的是通过上一次迭代得到的频繁(k-1)-项集得

答案解析

问题:

[单选题]隐语义模型LFM的基本思想为( ) A计算用户之间相似度,基于用户关联性为用户进行推荐 B找出一些有效的关联规则,利用关联规则进行推荐 C将用户和项目映射到同一个隐藏的因子空间中,直接计算用户和项目的

答案解析

问题:

[单选题]下列关于概率矩阵分解PMF的说法错误的是( ) APMF将用户评分、用户特征、项目特征都看作是随机变量 BPMF假设用户特征、项目特征都服从均值为0的高斯分布 CPMF假设观测噪声服从均值为0的高斯分

答案解析

问题:

[多选题]针对隐式反馈的常用负采样方法有( ) A假设每个未观测到反馈的样本都是负样本且影响相同 B用户没有反馈行为时,用户购买的项目越多越有可能是负样本 C用户没有反馈行为时,项目越热门越有可能是负样本

答案解析

问题:

[单选题]以下属于显式反馈行为的是() A收藏 B点击 C评分 D浏览

答案解析

问题:

[多选题]基于邻域的协同过滤的一般步骤包括() A寻找邻域 B收集数据 C训练模型 D计算推荐结果

答案解析

问题:

[单选题]基于邻域的协同过滤算法的关键是() A收集数据 B训练模型 C计算相似度 D根据邻域信息计算推荐结果

答案解析

问题:

[多选题]带权重的网络扩散模型有哪些 A激活扩散模型 B基于物质扩散的模型 C基于热传导的模型 D以上都不是

答案解析

问题:

[填空题]逆用户频率的基本思想是惩罚____项目

答案解析

问题:

[填空题]____相似度是通过计算两个向量的夹角余弦值来评估它们的相似度。

答案解析

问题:

[多选题]协同过滤算法中相似度的计算可以采用下列哪些方法() A杰卡德相似度 B余弦相似度 C皮尔逊相似度 D基于距离的相似度

答案解析

问题:

[单选题]协同过滤算法分类正确的是() A基于评分预测的协同过滤和基于邻域(记忆)的协同过滤 B基于偏好的协同过滤和基于可解释性的协同过滤 C基于邻域(记忆)的协同过滤和基于模型的协同过滤 D基于用户的协同过滤

答案解析

问题:

[单选题]协同过滤算法分类正确的是() A基于评分预测的协同过滤和基于邻域(记忆)的协同过滤 B基于偏好的协同过滤和基于可解释性的协同过滤 C基于邻域(记忆)的协同过滤和基于模型的协同过滤 D基于用户的协同过滤

答案解析

问题:

[多选题]以下属于协同过滤算法假设的是() A过去兴趣相似的用户在未来的兴趣也相似 B基本属性相似的用户在未来的兴趣相似 C相似的用户会产生相似的历史行为数据 D用户会喜欢相似用户有过正反馈的项目

答案解析

问题:

[多选题]基于用户的协同过滤的特点有哪些() A思想简单、容易实现 B不存在数据稀疏问题 C不需要领域知识 D个性化程度低

答案解析

问题:

[单选题]推荐系统主要用于解决________问题. A信息超载 B信息安全 C信息不足

答案解析

问题:

[单选题]推荐系统关于用户U,物品I,相关度R之间的关系可用映射_____表示. Af:UxI→R Bf:UxR→I Cf:IxR→U

答案解析

问题:

[单选题]推荐系统中项目画像的意义在于_____. A提高吞吐量 B用户-项目迅速匹配 C丰富应用界面

答案解析

问题:

[单选题]推荐系统根据用户A的相似用户的购买历史为A生成了推荐结果,这属于_______推荐. A混合推荐 B协同过滤 C基于内容 D基于知识

答案解析

问题:

[单选题]新闻推荐于电商推荐相比,其特点在于_____. A新闻项目数量更多 B用户群体更多样化 C物品的时效性更高

答案解析

问题:

[多选题]推荐系统的常见应用场景有____. A电商 B新闻 C音乐 D电影

答案解析

问题:

[单选题]长尾物品的特点为_______. A需求量大,数量多 B需求量小,数量多 C需求量大,数量少

答案解析

问题:

[单选题]最早公开使用协同过滤系统来解决信息过载问题的公司是______。 A谷歌 B雅虎 C施乐 D微软

答案解析

问题:

[多选题]用户画像主要包含哪几部分特征?() A用户兴趣偏好 B用户行为 C消费特征 D人口统计学属性

答案解析

栏目热门
关于我们 | 用户指南 | 版权声明 | 给我留言 | 联系我们 | 积分商城 | 答案求助 | 网站地图
Copyright © 2020 www.daanwo.com All Rights Reserved