1) user similarity
用户相似性
2) similar user
相似用户集
1.
In view of this problem, this paper presents an improved collaborative filtering algorithm, which based on user characteristics and time weight, to make the click interests approaching the gathering time, make the weight of recommendation process bigger, and according to the characteristics of users to enhance the acquisition of similar user, thereby to improve the accuracy of the recommendation.
协同过滤是个性化推荐系统中采用最广泛的推荐技术,但已有的方法是将用户不同时间的兴趣等同考虑,时效性不足,而且相同用户特征的用户兴趣存在着很大的相似性,针对此问题,提出一种基于用户特征和时间的协同过滤算法,使得越接近采集时间的用户兴趣,在推荐过程中具有更大的权值,并且根据用户的特征来来提高相似用户集的采集,从而提高推荐的准确性。
3) user session similarity
用户事务相似度
4) Similar Interested Users
相似兴趣用户
5) end-user relevance
用户相关性
1.
This paper uses stratified analysis method for the end-user relevance judgment of retrieval results of information retrieval system.
利用层次分析法对情报检索系统用户相关性进行判断,从而可对检索结果进行定量取舍,也可用于对不同的检索系统进行比较和评
6) comparability of available channel
可用信道相似性
补充资料：群落相似性
群落相似性
similarity of community
可以更明确地描述种组成相似特征。常用的有杰卡特(P.Jaecard，1901)、索雷申(T.Sorensen，1948)、库列津斯基(5.T.Kulezynski，1927)和芒福德(M.D.Mountford，1962)等的相似性系数。 设丈为生境A和生境B共有的种数，a为生境A含有的全部种数，b为生境B含有的全部种数，则:①杰卡特群落相似性系数: G=j八a+b一户;②索雷申群落相似性系数: CS=Zj八a+b);③库列津斯基群落相似性系数:。一冬cs一j八。+b); ‘④芒福德群落相似性系数: C材=Zj/(Zab一(a+b)j〕 上述杰卡特群落相似性系数(G)和索雷申群落相似性系数(Cs)的最大值为1，库列津斯基群落相似性系数(C砂的最大值为0.5;芒福德群落相似性系数(C耐)的最大值为co。当两个群落所含有的种完全相同，其系数为最大值;当两个群落所含有的种完全不同，其系数均为O。自O至最大值之间表示两个群落的相似程度。 优势种相似上述的群落相似性系数得出的指标虽不尽相同，但原则一致，其特征值仅限于比较群落间所含有的种的相似性。但两群落的外貌是否相似，常常以优势种的相似程度为特征。因此，布雷和柯蒂斯(J.R.Bray and C.T.Curtis，1957)根据上述群落相似性系数，结合优势种的相似程度进行描述，即在生境A和B中，以全部种的个体总数aN和bN代替索雷申群落相似性系数计算式中的口和b，取两生境中共有种的种群数量的低值(例如种1在生境A中种群数为47，在生境B中种群数为50，则取47为计算值)的总和方明弋替;’，其相似性系数CB为: CB=2.1’N尹(口N+云N)。 计算结果同样以O至l之间的数值表示两个群落之间的相似程度。(庞雄飞)群落相似性(similarity of eommunity)群落特性之一，是不同群落结构特征的相似程度。常用群落相似性系数(eoeffieient of similarity)表示。可用以比较不同空间昆虫群落结构的异同。 共有种相似假如A、B、C三个群落的种类数从本一致，群落A与B具有多数共有种，群落B与C仅有少数共有种，可以认为群落A与B的相似性较大，群落B与C的相似性较小。 种组成相似在物种构成相近似的群落中，不宜单纯依据共有种的数量比较其相似程度，用群落中种类总数及共有种数的综合性指标—群落相似性系数，
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条