《表3 DSCP模型在Indiegogo数据集上的实验结果》

  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

《基于动静态表征的众筹协同预测方法》

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

实验结果见表3，动态和静态协同预测模型从各个评测指标上都取得了较好的效果.在实验中，LR、RF、SVM这3种传统机器学习方法由于不具备对项目属性的深度特征学习能力，所以最终在预测表现上一般，其中最优的支持向量机方法的准确率为70.06%，F1值为0.691 5.而引入了社交媒体信息的预测方法SM充分挖掘了项目在社交网络上的影响力，拓展了项目属性的纬度，其F1值表现较大幅度地提升到了0.700 2.基于生存分析的SA方法以及项目描述信息的DC-LDA方法较之前效果也有了一定的提升，F1值分别达到了0.724 7，0.739 2.