《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》
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.
图表编号 | XD00163169300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 冯兴杰、曾云泽 |
绘制单位 | 中国民航大学计算机科学与技术学院、中国民航大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |