《表2 不同的ω值所占的百分比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《嵌入项目疲劳和多样偏好的聚合推荐算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在ARIFDP算法中，多样倾向度ω起到了很重要的作用，用来平衡准确性和多样性的比重，ω越大表明算法受项目疲劳函数的影响力越大。由4.3.1节可知，K=13时聚类效果最好，本实验分别计算了数据集在K=13时30次聚类完成后各用户评分过的电影类别数，并计算了用户30次多样倾向度ω的平均值，得到用户的多样倾向度ω的分布情况，结果如表2所示。从表2中看出，大部分用户的多样倾向度ω的值集中在[0.2，0.3)内，这说明了大部分用户对于推荐系统的多样性是有一定的要求，如果只以传统的基于准确性为标准的算法进行推荐是不能够满足要求的，这也说明了本文算法的有效性。