《表3 Netflix数据集分组稀疏度》
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.
图表编号 | XD00158305500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 张素智、李鹏辉、陈小妮 |
绘制单位 | 郑州轻工业大学计算机与通信工程学院、郑州轻工业大学计算机与通信工程学院、郑州轻工业大学计算机与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |