A、 UserCF算法推荐的是那些和⽬标⽤户有共同兴趣爱好的其他⽤户所喜欢的物品
B、 ItemCF算法推荐的是那些和⽬标⽤户之前喜欢的物品类似的其他物品
C、 ItemCF算法的推荐更偏向社会化，⽽UserCF算法的推荐更偏向于个性化
D、 ItemCF算法倾向于推荐与⽤户已购买商品相似的商品，往往会出现多样性不⾜、推荐新颖度较低的问题
答案：C
A、 UserCF算法推荐的是那些和⽬标⽤户有共同兴趣爱好的其他⽤户所喜欢的物品
B、 ItemCF算法推荐的是那些和⽬标⽤户之前喜欢的物品类似的其他物品
C、 ItemCF算法的推荐更偏向社会化，⽽UserCF算法的推荐更偏向于个性化
D、 ItemCF算法倾向于推荐与⽤户已购买商品相似的商品，往往会出现多样性不⾜、推荐新颖度较低的问题
答案：C
A. 数据间的因果关系
B. 数据间的相关关系
C. 数据间的包含关系
D. 数据间的传递关系
A. 顶点的当前值
B. 以该顶点为起点的出射边列表，每条出射边包含了⽬标顶点ID和边的值
C. 消息队列，包含了所有接收到的、发送给该顶点的消息
D. 标志位，⽤来标记顶点是否处于活跃状态
A. d3.select(“body”)查找DOM中的body
B. selectAll(“p”)选择DOM中的所有段落
C. enter()绑定数据和DOM元素
D. text(“Newparagraph!”)为新创建的p标签插⼊⼀个⽂本值
A. UserCF算法推荐的是那些和⽬标⽤户有共同兴趣爱好的其他⽤户所喜欢的物品
B. ItemCF算法推荐的是那些和⽬标⽤户之前喜欢的物品类似的其他物品
C. UserCF算法的推荐更偏向个性化
D. UserCF随着⽤户数⽬的增⼤，⽤户相似度计算复杂度越来越⾼
A. 在⼀致性⽅⾯，RDBMS强于NoSQL
B. 在数据完整性⽅⾯，RDBMS容易实现
C. 在扩展性⽅⾯，NoSQL⽐较好
D. 在可⽤性⽅⾯，NoSQL优于RDBMS
A. 数据的准确性
B. 数据处理的延迟
C. 数据存储的容量
D. 数据传输的速度
A. 泊松相关系数
B. 余弦相似度
C. 调整余弦相似度
D. 调整正弦相似度
A. 间断性
B. 原⼦性
C. ⼀致性
D. 持久性
A. 名称节点出错
B. 数据节点出错
C. 数据出错
D. 数据源太⼤
A. 关系代数运算(选择、投影、并、交、差、连接)
B. 分组与聚合运算
C. 矩阵-向量乘法
D. 矩阵乘法
