《表2 实验结果HR对比：基于注意力机制的众包任务推荐算法》
提示：宽带有限、当前游客访问压缩模式
本文通过是否加入注意力机制验证注意力机制在众包任务推荐场景下的效果，并且都通过对任务属性的学习得到任务特征。实验结果AUC如图2，HR如表2所示。
| 图表编号 | XD00139869400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.25 |
| 作者 | 赵祺雯、彭瑞、袁平 |
| 绘制单位 | 四川大学计算机学院、重庆理工大学软件工程(两江人工智能学院)、重庆第二师范学院数学与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 仿真环境：注意力机制与改进RNN的混合音乐推荐算法研究》2020.10.01
- 《表2 部分空间任务信息：基于改进粒子群算法的空间众包任务分配模型》2020.09.05
- 《表3 数据集实验结果：基于通道域自注意力机制的图像识别算法》2020.10.01
- 《表2 天气分类结果对比：基于全局-局部注意机制的天气分类算法》2020.05.01
- 《表1 基于区块链的众包翻译和传统的众包翻译的比较》2020.09.15
- 《表1 实验环境配置：基于金字塔模型和注意力机制的YOLO V3目标检测算法》2020.11.01
- 《表3 实证调研结果汇总：基于熵权-模糊综合评价法的众包物流服务质量评价模型构建》2020.06.05
- 《表1 LBSN数据格式：考虑用户时空行为的众包任务推荐方法》2020.05.01
- 《表1 数据集详情：基于注意力机制的众包任务推荐算法》2020.01.25
- 《表2 模型检验假设结果：基于贝叶斯结构方程的众包物流满意度影响因素研究》2020.03.08
- 《表4 实验结果对比：基于卷积注意力机制的情感分类方法》2020.01.16
- 《表2 模型对比结果：基于注意力机制的CRNN文本分类算法》2019.11.16
- 《表1 实验环境：基于注意力机制的音乐深度推荐算法》2019.08.01
- 《表3 推荐性能对比表：自注意力机制支持下的混合推荐算法》2019.07.01
- 《表2 各区域会员中心：基于K-均值聚类算法的众包任务定价模型设计》2019.06.25
- 《表2 各区域会员中心：基于K-均值聚类算法的众包任务定价模型设计》2019.06.25
- 《表1 工人实际路线：移动情景和用户轨迹感知的众包服务推荐》2019.09.01
- 《表3 移动规则集：移动情景和用户轨迹感知的众包服务推荐》2019.09.01
- 《表1 任务聚类结果：基于K-MEANS聚类算法对众包任务定价的计量分析》2018.04.25
- 《表2 会员聚类结果：基于K-MEANS聚类算法对众包任务定价的计量分析》2018.04.25