《表1 实验中用到的方法说明》
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。
图表编号 | XD00133788300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 秦婧、张青博、王斌 |
绘制单位 | 东北大学计算机科学与工程学院、东北大学计算机科学与工程学院、东北大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |