《表3 参数L对模型性能的影响》

  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

《融合主题信息和卷积神经网络的混合推荐算法》

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

分析隐特征维度L对实验评价标准RMSE值与MAE值的影响，实验结果如表3所示。从表3中可以看到：当隐特征维度L为25时，虽然花费时间较短，但是RMSE与MAE的值较高，准确度较低；当隐特征维度L为75和100时，虽然RMSE和MAE的值与50维度时相差不大，但是训练时间效率上远超过50维。最后，综合考虑时间效率和准确度的因素，将隐特征维度L=50时作为维度选择的最优值。