《表1 不同算法的实验结果》

  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

《基于多种社交关系的概率矩阵分解推荐算法》

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

为了验证本文所提的算法MDRS2的性能以及多种社交关系对推荐的影响，本文将MDRS2算法与SocRec算法[14]（Social Recommendation Using Probabilistic Matrix Factorization，SocRec），TDSRec算法[19](Similarity Social Recommendation with Trust and Distrust Information）和MDRS1算法在Epinions数据集上进行比较。SocRec算法在矩阵分解的基础上考虑了用户之间的社会关系属性，融入了一种社交关系；TDSRec算法在考虑社交网络的同时，融合基于用户评分偏好的相似性，共同对用户评分矩阵中的数值进行了预测；MDRS1算法仅考虑了一种社交关系；MDRS2算法通过共享用户特征空间，将用户商品评分矩阵与社交关系矩阵紧凑联系，将多种社交关系融入到矩阵分解中。实验统计结果如表1所示。