《表3 预训练和非预训练方法的对比结果》
将各方法分别在3个数据集上运行90个epoch后,top@5时HR上的结果如图2所示。可以看出,本文方法把MLP方法和FISM方法结合后性能得到了提高,经过90个epoch的训练,本文的融合方法UICF在3个数据集上的结果好于对比方法;而且UICF模型从开始训练到训练结束时HR值的变化不大,这是因为FISM和MLP这两个模型在结合前都经过预训练,收敛较快。在MovieLens和Foursquare数据集上,UICF模型的HR从开始上涨到一定值后就保持不变了,UICF模型的效果高于其他几种对比方法;在Music数据集上,HR的值在0.23与0.28之间波动相对很大,这是由于学习率设置较大造成的,但这并不影响它的效果优于其他对比方法。
图表编号 | XD00133805600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 邓凯、黄佳进、秦进 |
绘制单位 | 贵州大学计算机科学与技术学院、北京工业大学国际WIC研究院、贵州大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |