《表2 在Movie Lens数据集上的实验对比(K=10)》

  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

《融合元数据及attention机制的深度联合学习推荐》

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

为了确定参数，本文采用5折交叉验证，使用了项目属性电影流派及用户属性性别、年龄及职业等信息，将正例以及对每个正例进行四个负实例的均匀采样作为输入。此后再通过多分类对数损失函数来评估。模型从零开始训练，学习率设置为0.001，并利用Adam经过偏置校正后每一次迭代学习率都有个确定范围以至于使得参数趋于平稳的优点优化模型。网络模型设计遵循塔式网络结构，每个连续较高层的层尺寸减半，层的结构为128→64→32。中间层激活函数选择Re LU，因为它支持稀疏激活，使模型不太容易过拟合。首先，对本文模型的推荐性能进行了评测，最终实验结果如表2所示。