《表1 相似度指标计算:一种混合推荐算法的Mahout实现》
推荐算法的评测指标可在不同的方面反映出算法的性能。在实验中,通过相似度的计算来标明各个属性特征之间的量化相关性,并作为推荐结果的评价依据。表1分别比较了MMLHC算法、ECFA算法[1]、CFRA算法[3]各自的皮尔逊相关系数、余弦向量相似度、对数似然相似度的计算结果。从表中可以看出,它们的相似度指标近乎一致,至多相差1%—2%,因此,在相似度指标的评价中,这几个算法具有相同的性质。
图表编号 | XD00178861400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.05 |
作者 | 唐科 |
绘制单位 | 电子科技大学成都学院计算机学院 |
更多格式 | 高清、无水印(增值服务) |