《表6 数据集C实验结果:一种改进项目多属性类别划分的推荐算法》
从表7可见,随着相似用户数目的增多,各个算法的MAP值都有不同程度的减少,同其他三种推荐算法相比,FP-CNB算法仍然能保持推荐项目处于较前的推荐位置,说明FP-CNB算法是利用FP-Tree有效地筛选相似邻居,尤其是CNB算法将项目相似和多属性类别概率差异相融合,使计算的相似用户序列产生的推荐项目质量更好。随着相似用户数目的增加,FP-CNB算法的MAP仍呈现平缓趋势,是因为在构建FP-Tree时,充分考虑用户与项目之间内在的关系,能够更合理地发掘相似频繁邻居集,并在相似度计算时考虑到目标用户与邻居相同项目所包含的多属性类别概率差异因素,所以综上,本文提出的FP-CNB算法能够在无评分的条件下具有更好的推荐效果。
图表编号 | XD00222766300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.05 |
作者 | 邱宁佳、薛丽娇、贺金彪、王鹏、杨华民 |
绘制单位 | 长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院 |
更多格式 | 高清、无水印(增值服务) |