《表3 预训练和非预训练方法的对比结果》

  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

《基于物品的统一推荐模型》

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

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。