
上QQ阅读APP看书,第一时间看更新

图4.17 基于搜狗浏览器插件的推荐系统
(a)基于搜狗浏览器插件的推荐;(b)产品属性词云。

图4.18 四个数据集D1~D4上属性词“营养”的百分比时间序列预测示例
(a)D1: K, p, d, q = 6, 4, 1, 3;(b)D2: K, p, d, q = 6, 4, 1, 5;(c)D3: K, p, d, q = 6, 3, 1, 2;(d)D4: K, p, d, q = 7, 3, 1, 2。K为算法最终确定的傅里叶项阶数,(p, d, q)为算法最终选定的ARIMA项阶数;蓝线为在每一个季度上的预测时间序列,深灰色和浅灰色分别为80%和95%置信区间。

图5.5 协同过滤算法(CF)与总福利最大化模型(TSM)效果对比

图5.6 在总福利(TS)指标上总福利最大化模型(TSM)与协同过滤算法(CF)的对比
TS@N表示top-N推荐列表被用户完全接受时所产生的总福利。