《表2 不同推荐算法的对比》

  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

《基于混合神经网络的协同过滤推荐模型》

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

从图7分析可以看出，本文提出的CDAECF算法的F1值均高于另外3种算法，说明本文提出的CDAECF推荐算法推荐准确度明显高于另外3种算法.从表2分析可知，本文提出的CDAECF模型准确率比DAE算法的准确率高了将近6%.这表明本文利用卷积神经网络对用户-项目评论数据进行特征提取后，结合降噪自编码神经网络可以有效提高推荐准确率本文提出CDACF推荐算法和CDE推荐算法性能高于User-ItemCF算法和SVD算法，说明基于深度学习的非线性学习模型与传统的线性学习模型相比更能深层次全面地挖掘用户-项目评分数据的隐含特征，从而提高推荐准确率.