《表2 各推荐算法在MovieLens1M数据集上推荐效果对比》

  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

《融合知识图谱及贝叶斯网络的智能推荐方法》

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

同时，本文对比了因子分解机、xgboost-lr、贝叶斯网络、知识图谱、基于权重式融合的KGE-BNR算法以及基于瀑布式融合的KGE-BNR算法的推荐效果，结果如表2所示。可以看出在电影MovieLens1M数据集上，贝叶斯网络效果相较于xgboost-lr有明显优势，同时与因子分解机模型推荐效果相当，但贝叶斯网络可解释性更强，因此，选择贝叶斯网络与知识图谱融合是可行的。此外，权重式融合的推荐算法效果最佳，在准确率、召回率及F值上都优于其他三种算法，而瀑布式融合其次。