第五章 数组和广义表习题答案

3，算法设计0-1背包，要求用整形-3, 0-1 knapsack algorithm design and required plastic surgery

UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。这两个算法之所以重要，是因为他们使用了两个不同的推荐系统基本假设。UserCF认为一个人会喜欢和他有相同爱好的人喜欢的东西，而ItemCF认为一个人会喜欢和他以前喜欢的东西相似的东西。这两个假设都有其合理性。根据我的测试，用UserCF和ItemCF做出的推荐列表中，只有50%是一样的，还有50%完全不同。但是这两个算法确有相似的精度。所以说，这两个算法是很互补的。我一直认为这两个算法是推荐系统的根本，因为无论我们是用矩阵，还是用概率模型，我们都非常的依赖于前面说的两种假设。如果用户的行为不符合那两种假设，推荐系统就没必要存在了。因此我一直希望能够找出这两种算法的本质区别。他们有相似的精度，但是coverage相差很大，ItemCF coverage很大而UserCF很小。我还测试了很多其他指标，不过要从这些表象的指标差异找出这两个算法的本质区别还是非常困难。不过上周我基本发现了这两个算法推荐机理的本质区别。我们做如下假设。每个用户兴趣爱好都是广泛的，他们可能喜欢好几个领域的东西。不过每个用户肯定也有一个主要的领域，对这个领域会比其他领域更加关心。给定一个用户，假设他喜欢3个领域A,B,C，同时A是他喜欢的主要领域。这个时候我们来看UserCF和ItemCF倾向于做出什么推荐。结果如下，如果用UserCF, 它会将A,B,C三个领域中比较热门的东西推荐给用户。而如果用ItemCF，它会基本上只推荐A领域的东西给用户。因为UserCF只推荐热门的，所以UserCF在推荐长尾上能力不足。而ItemCF只推荐A领域给用户，这样他有限的推荐列表中就可能包含了一定数量的不热门item，所以ItemCF推荐长尾的能力比较强。不过ItemCF的推荐对某一个用户而言，显然多样性不足。但是对整个系统而言，因为不同的用户的主要兴趣点不同，所以系统的coverage会很大。显然上面的两种推荐都有其合理性，但都不是最好的选择，因此他们的精度也会有损失。最好的选择是，如果我们给这个用户推荐30个item，我们既不是每个领域挑选10个最热门的给他，也不是推荐30个A领域的给他，而是比如推荐15个A领域的给他，剩下的15个从B,C中选择。认识到这一

本人还是初学者，看到贵网站上有丰富的高质量的程序，想下载来学习学习，来提高自身的编程水平，但也知道不能不劳而获，我也上传了一些我以前编的一些小程序，水平有限，但希望能给大家带来些帮助，希望站长能批准我入会。-, I head to approve membership.

一个简单的计算器程序，进行简单的数学计算，正确无误-A simple calculator program to carry out simple mathematical calculations are correct

The GNU MP Bignum Library，非常好用的大数运算库，GMP is a free library for arbitrary precision arithmetic, operating on signed integers, rational numbers, and floating point numbers. -The GNU MP Bignum Library, very easy to use large numbers of computing library, GMP is a free library for arbitrary precision arithmetic, operating on signed integers, rational numbers, and floating point numbers.

使用MFC做出的可绘制圆形和椭圆的简单代码。用以MFC的初步学习和使用。在本程序中详细介绍了具体的使用和步骤，让读者可以方便的领会其设计思路。

应用背景本程序是用PHP编程语言开发。它的简单程序和逻辑从神经网络。和/或操作算法只是关于如何显示逻辑的基本算法。当系统得到的值，如何最好的结果的算法。该系统的描述，和/或操作有2个输入形式（*输入），在内部系统中，给定的权重值，每一个点，在最后一点，它的最佳值的结果。x值的输入可以给[ 0 ]，[ 1 ]，[ 0,1 ]，[ 1 ]。结果值为0或1。关键技术智能计算，操作，或操作，*值，值，权重值，神经网络。

这是一个使用MFC实现的json文程序，json文件c++解析器，非常好用。

资源描述使用遗传算法解决TFS问题，10个城市，节点已给出

使用递归方法与非递归方法求解迷宫问题。内容涉及递归的消去、属于数据与算法课程。可以求解大型迷宫，输出迷宫路径