《表3 Netflix数据集分组稀疏度》

  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

《基于长短期记忆网络的协同过滤算法研究》

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

本文认为用户项目的交互稀疏度对推荐系统的性能有很重要的影响，因此为了比较不同稀疏度下的算法效果，本次试验根据时间分割数据获得不同稀疏度以模拟实际情况．将Netflix训练数据集划分4组，分别是1个月、6个月、1 a、全部，其稀疏度如表3所示．可以看出，随着划分数据的时长增加，稀疏度不断提高，这是因为随着时间规模的扩大，评分交互矩阵中更新了更多的新用户和新项目，虽然用户项目交互行为越来越多，但是相对于整体数据维数的增加，可提取的特征数目比例变得更少，导致稀疏度不断增大．