《表7 二阶交互类型：基于评分矩阵与评论文本的深度推荐模型》

  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

《基于评分矩阵与评论文本的深度推荐模型》

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

为了更直观地探索同源和非同源二阶项的贡献，下文使用变体AFM对6种组合的二阶项进行注意力打分．由于隐因子数量k为16时模型取得最好效果，因此向量TEXT-U，TEXT-I，LFM-U，LFM-I的维度都设置为16，由它们拼接而成的向量e的维度为64，即e=[TEXT-U，TEXT-I，LFM-U，LFM-I]=[x1-x16，x17-x32，x33-x48，x49-x64]=[C1，C2，C3，C4]，其中x1-x16被本文定义为类别C1，x17-x32以此类推．e中的二阶组合共有6种，具体信息如表7所示．从C1和C2中各随机选取一个维度就能形成一个二阶项（例如x3x25），重复选出10个不同的二阶项，则能得到C1-C2类型的10个二阶项．从6种组合中都分别随机选出10个二阶项，它们的注意力得分如图7所示．