《表1 实验中用到的方法说明》

  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

《关注长尾物品的推荐方法》

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

为了验证FLTI算法的有效性，选择了三类方法进行对比：一类是基于近邻的推荐方法，包括基于用户的协同过滤（UserCF）算法和基于物品的协同过滤（ItemCF）算法；一类是基于矩阵分解的推荐方法，即基本的SVD推荐算法；一类是基于神经网络的方法CDAE。除了CDAE算法外，其余算法都采用基于Python语言的surprise(https：//surprise.readthedocs.io/en/stable/）库中所提供的协同过滤算法（KNNBasic）和SVD算法。在KNNBasic方法中通过更改“sim＿option”中的属性值切换UserCF和ItemCF两种算法：当“sim＿option”中“user＿based”的值为“True”则为基于用户的协同过滤算法；当“user＿based”的值为“False”则为基于物品的协同过滤算法。实验方法说明如表1所示。