[...]... 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)