《表2 PMF对TCCR推荐性能的影响》
在实验中,不使用PMF模型的做法是将CNN提取出的特征直接对比相似度,其余操作不变,在数据集上与有PMF的TCCR模型对比性能见表2。有PMF时比PMF时推荐结果更为精确。结合实验1中的数据,证明合理的融入PMF可以使推荐效果得到提升。对于此结果,本文认为合理的解释为良好的建模有助于挖掘数据的特征,使模型学习到的特征更为精准,本文不仅考虑了论文的情境问题还考虑了主题相关性的问题,使学习模型更接近现实生活,从而提升推荐精度。
图表编号 | XD00187031500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 周亦敏、黄俊 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |