Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 80 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
80
Dung lượng
1 MB
Nội dung
[...]... sản phẩm liên quan cùng tới 1 chủ đề hệ thống lọc theo chủ đề đó cho người dùng u 2.2 Lọc dựa vào mô hình Pazzani và Billsus: Sử dụng bộ phân loại Bayes dựa trên những đánh giá “thích” hay “không thích” của người dùng để phân loại sản phẩm Trong đó, cách ước lượng sản phẩm pj có thuộc lớp Ci hay không dựa trên tập các đặc trưng nội dung của nội dung đó: Giả thuyết rằng các cặp đặc trưng nội dung... là số lượng đặc trưng nội dung của toàn bộ sản phẩm Phương pháp biểu diễn hồ sơ người dùng: o Mỗi hồ sơ người dùng ContentBasedProfile(u) được biểu diễn bằng một vector trọng số các đặc trưng : biểu thị mức độ quant rọng của đặc trưng nội dung k đối với người dùng u • được tính toán từ vector hồ sơ sản phẩm đã được người dùng thường xuyên truy cập hoặc đánh giá • 2.1 Lọc dựa trên bộ nhớ Xác định . trong chơng trình trên sẽ in ra thế nào ?. Trả lời: DFS(5) do DFS(3) gọi nên Trace[5] = 3. DFS(3) do DFS(2) gọi nên Trace[3] = 2. DFS(2) do DFS(1) gọi nên Trace[2] = 1. Vậy đờng đi là: 5 3 . lên 1. Việc nhập có thể cho kết thúc khi ngời sử dụng nhập giá trị i = 0. Ví dụ: program Nhap _Do_ Thi; var A: array[1 100, 1 100] of Byte; {Ma trận kề của đồ thị} n, i, j: Byte; begin Write(' Cho. '); for v := 1 to n do {Trớc hết lu vết ( đánh dấu) tất cả những đỉnh v kề với u mà cha đợc thăm} if (Trace[v] = 0) and A[u, v] then Trace[v] := u; for v := 1 to n do {Rồi mới gọi DFS(v)